Vous êtes sur la page 1sur 181

Commande multivariable de la pression d’injection dans

un moteur diesel common rail


Christophe Gauthier

To cite this version:


Christophe Gauthier. Commande multivariable de la pression d’injection dans un moteur diesel com-
mon rail. Automatique / Robotique. Institut National Polytechnique de Grenoble - INPG, 2007.
Français. <tel-00207875>

HAL Id: tel-00207875


https://tel.archives-ouvertes.fr/tel-00207875
Submitted on 18 Jan 2008

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est


archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
COMMANDE MULTIVARIABLE
DE LA PRESSION D’INJECTION
DANS UN MOTEUR DIESEL
COMMON RAIL

Christophe GAUTHIER
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE

N° attribué par la bibliothèque


|__|__|__|__|__|__|__|__|__|__|

THESE

pour obtenir le grade de

DOCTEUR DE L’INP Grenoble

Spécialité : Automatique et Productique

préparée au Laboratoire d’Automatique de Grenoble

dans le cadre de l’Ecole Doctorale

Electronique, Electrotechnique, Automatique et Traitement du Signal

présentée et soutenue publiquement

par

Christophe GAUTHIER

le 22 mai 2007

COMMANDE MULTIVARIABLE DE LA PRESSION D’INJECTION


DANS UN MOTEUR DIESEL COMMON RAIL

Directeur de thèse : M. SENAME Olivier


Co-encadrants : M. DUGARD Luc
M. MEISSONNIER Guillaume

JURY

M. ROUCHON Pierre, Professeur Ecole des Mines Paris Président


M. GUERRA Thierry-Marie, Professeur université de Valenciennes Rapporteur
M. FERRERES Gilles, Chercheur ONERA Toulouse Rapporteur
M. SENAME Olivier, Professeur ENSIEG/INPG Grenoble Co-Directeur de thèse
M. DUGARD Luc, Directeur de recherche CNRS Grenoble Co-Directeur de thèse
M. MEISSONNIER Guillaume, Delphi Diesel Systems Blois Examinateur
i

Remerciements
Le travail présenté dans ce mémoire est le résultat d’innombrables échanges techniques,
scientifiques et idéologiques.
Je remercie Guillaume Meissonnier, mon responsable industriel, pour m’avoir donné
les moyens nécessaires pour réussir à bien ce travail. Je le remercie également pour avoir
su me faire confiance sur mes choix stratégiques : lieu de travail, mise en place d’une
nouvelle structure de contrôle, etc.
Je remercie Olivier Sename et Luc Dugard, mes directeurs de thèse, pour m’avoir
accompagné tout au long de mes travaux et de m’avoir laissé maître sur le choix des
différentes solutions que j’ai prises.
Je remercie Pierre Rouchon pour avoir accepté de présider le jury, Thierry-Marie
Guerra et Gilles Ferreres pour avoir accepté de rapporter ce travail.
Durant ces trois années de thèse de nombreuses personnes m’ont aidé, sans qui je
n’aurais jamais pu arriver au résultat obtenu.
Je remercie Marcos Pagoto qui a été le premier à m’avoir guidé pendant plusieurs
mois sur la compréhension du fonctionnement du système, notamment sur la pompe haute
pression. Il m’a appris les principes généraux dans le domaine hydraulique qui m’ont été
nécessaires pour étudier le système Common Rail. Je remercie Rodolphe Dratch et Eric
Charleux pour leur aide sur l’étude des injecteurs.
L’étude thèorique du système s’est toujours faite en parallèle avec des essais sur le
système réel. Ainsi je remercie Alain Mercier et Miguel Dominguez pour m’avoir fait de
la place, jour et nuit, sur leur banc d’essai. Cette mixité théorie/pratique m’a permis
de comprendre physiquement (sur le plan théorique) les constats que j’ai pu faire sur le
système.
Je remercie Zahi Sabeh, Pierre Dupraz, Alexandre Amiez et Anthony Michou pour
leur aide et leur soutien durant ces trois ans.
Je remercie également Marc Houdebine, mon collègue du laboratoire de Grenoble,
pour ces longues discussions que nous avons pu avoir qui m’ont fait prendre du recul sur
mes travaux.
Je ne peux oublier de remercier grandement Nicolas Duvernois qui m’a beaucoup
soutenu durant ces trois années.
Je remercie Arnaud Girard pour son aide sur le prototypage rapide qui a contribué
à l’intégration du code de mes stratégies de commande dans le calculateur. Sans lui les
essais véhicules n’auraient jamais pu être réalisés avant la fin de ma thèse.
Je remercie Jonathan Kolou qui m’a épaulé en début de thèse sur la problématique
du contrôle de la pression, me permettant de bien démarrer mes travaux. Je le remercie
également pour son aide en fin de thèse pour la réalisation d’essais qui ont validé le modèle.
Enfin je remercie Patrice, Patrick Lailler, Stéphane, Bruno, Ludovic, David, Guy,
Thierry, Jean-Michel, Benoit et Patrick Daniel pour l’ambiance agréable et la convivialité.
ii
iii

À Bernard et Dominique, mes parents,


à Christelle, mon épouse,
à Mayane, ma fille.
iv
v

Pratique n.f. Application, mise en action des règles et des principes d’un art ou d’une
science (le Larousse de poche).
vi
Table des matières

Partie I Introduction 7

1 Introduction générale 9
1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Plan du mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Partie 1 : Introduction générale . . . . . . . . . . . . . . . . . . 10
1.3.2 Partie 2 : Modélisation . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.3 Partie 3 : Commandes . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.4 Partie 4 : Mise en oeuvre . . . . . . . . . . . . . . . . . . . . . 11
1.3.5 Partie 5 : Conclusion . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Publications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 Le moteur Diesel 13
2.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Principe de fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Le turbocompresseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Système d’injection directe à rampe commune . . . . . . . . . . . . . . 15
2.4.1 Fonctionnement du système . . . . . . . . . . . . . . . . . . . . 18
2.4.2 Actionneur de remplissage . . . . . . . . . . . . . . . . . . . . . 19
2.4.3 Pompe Haute Pression . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.4 Rail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.5 Actionneur de décharge . . . . . . . . . . . . . . . . . . . . . . 20
2.4.6 Injecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.7 Interconnection des éléments . . . . . . . . . . . . . . . . . . . 24

1
2 Table des matières

3 Objectifs et contributions 25
3.1 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Méthodologie de calibration actuelle . . . . . . . . . . . . . . . . . . . 26
3.3 Propositions d’amélioration . . . . . . . . . . . . . . . . . . . . . . . . 27

Partie II Modélisation 31

4 L’actionneur de remplissage 33
4.1 Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Le circuit électrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Le circuit magnétique . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4 Le système masse-ressort . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.5 Le système hydraulique . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.5.1 Calcul de la section de passage . . . . . . . . . . . . . . . . . . 37
4.5.2 Calcul du coefficient de débit de Bernouilli . . . . . . . . . . . . 38
4.6 Modèle non-linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.7 Modèle linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.8 Test et validation du modèle de l’IMV . . . . . . . . . . . . . . . . . . 43
4.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

5 La pompe haute pression (Confidentiel - Delphi) 47


5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2 La chambre de pompage . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.2.1 Fonctionnement et cycle du plongeur . . . . . . . . . . . . . . . 48
5.2.2 Remplissage de la chambre de pompage : aspiration . . . . . . . 50
5.2.3 Saturation du débit de la pompe . . . . . . . . . . . . . . . . . 52
5.2.4 Compression . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2.5 Débit refoulé par le plongeur . . . . . . . . . . . . . . . . . . . 55
5.2.6 Modèle de la pompe . . . . . . . . . . . . . . . . . . . . . . . . 56
5.2.7 Calcul du débit maximal instantané de la chambre de pompage 58
5.2.8 Calcul du déphasage φ1 en fonction du taux de remplissage . . . 59
5.3 Pompe HP trois plongeurs . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3.1 Forme des débits de la pompe . . . . . . . . . . . . . . . . . . . 60
5.3.2 Un pompage par période . . . . . . . . . . . . . . . . . . . . . . 65
3

5.3.3 Dynamique de la pompe . . . . . . . . . . . . . . . . . . . . . . 66


5.3.4 Identification de la fonction de transfert de la pompe HP . . . . 69
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

6 Le rail 73
6.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2 Fonctionnement du rail . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.3 Modèle du rail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.4 Discrétisation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . 74

7 L’injecteur 77
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.2 Modèle non linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.3 Analyse d’une simulation . . . . . . . . . . . . . . . . . . . . . . . . . . 80
7.4 Modèle linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

8 L’actionneur de décharge 83
8.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
8.2 Étude des forces exercées sur l’HPV . . . . . . . . . . . . . . . . . . . . 85
8.2.1 Force hydraulique . . . . . . . . . . . . . . . . . . . . . . . . . . 85
8.2.2 Force électromécanique . . . . . . . . . . . . . . . . . . . . . . . 86
8.2.3 Force mécanique . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.2.4 Force des efforts de jet . . . . . . . . . . . . . . . . . . . . . . . 87
8.2.5 Viscosité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
8.2.6 Modèle non-linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 88
8.3 Analyse des résultats théoriques . . . . . . . . . . . . . . . . . . . . . . 90
8.3.1 Modèle linéaire, formulation générale . . . . . . . . . . . . . . . 90
8.3.2 Linéarisation du modèle de la pression du rail . . . . . . . . . . 90
8.3.3 Linéarisation de l’accélération de la bille . . . . . . . . . . . . . 92
8.3.4 Modèle linéaire du système rail-HPV . . . . . . . . . . . . . . . 93
8.3.5 Etude du système Rail-HPV (Confidentiel - Delphi) . . . . . . . 94
8.3.6 Principe de fermeture de l’HPV (Confidentiel - Delphi) . . . . . 97

9 Modélisation LFT 101


9.1 Modèles linéaires à paramètres variables (LPV) . . . . . . . . . . . . . 101
9.2 Transformation linéaire fractionnelle (LFT) . . . . . . . . . . . . . . . 102
4 Table des matières

9.3 Représentation LFT d’un système linéaire . . . . . . . . . . . . . . . . 103


9.4 Extraction d’un coefficient variable sous forme LFT . . . . . . . . . . . 104
9.5 Ecriture du modèle LFT du système Common Rail . . . . . . . . . . . 106

Partie III Commandes 111

10 Stratégies de commande 113


10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
10.2 Stratégie de commande monovariable . . . . . . . . . . . . . . . . . . . 113
10.3 Ouverture de l’HPV : passage en mode multivariable . . . . . . . . . . 114
10.4 Stratégie de commande multivariable (Confidentiel - Delphi) . . . . . . 115
10.4.1 Fermeture de l’HPV : passage en mode monovariable . . . . . . 117
10.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

11 Quelques éléments sur la commande H∞ 119


11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
11.1.1 Principe de la commande H∞ . . . . . . . . . . . . . . . . . . . 119
11.2 Synthèse H∞ LTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
11.2.1 Solution du contrôleur à temps continu . . . . . . . . . . . . . . 122
11.2.2 Solution du contrôleur à temps discret . . . . . . . . . . . . . . 122
11.3 Synthèse H∞ LFT à temps discret . . . . . . . . . . . . . . . . . . . . 123
11.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
11.3.2 Ecriture du problème . . . . . . . . . . . . . . . . . . . . . . . . 124
11.3.3 Solution du problème . . . . . . . . . . . . . . . . . . . . . . . . 125
11.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

12 Synthèse de la loi de commande monovariable 127


12.1 Contrôleur de la pression d’injection . . . . . . . . . . . . . . . . . . . 127
12.1.1 Normalisation du modèle pour la synthèse . . . . . . . . . . . . 127
12.1.2 Système en boucle ouverte . . . . . . . . . . . . . . . . . . . . . 129
12.1.3 Architecture du contrôleur . . . . . . . . . . . . . . . . . . . . . 129
12.1.4 Cahier des charges . . . . . . . . . . . . . . . . . . . . . . . . . 132
12.1.5 Synthèse LFT H∞ du contrôleur de pression . . . . . . . . . . . 132
12.2 Résultat du contrôleur en boucle ouverte . . . . . . . . . . . . . . . . . 135
12.3 Robustesse vis-à-vis de la position de l’IMV . . . . . . . . . . . . . . . 136
5

12.3.1 Analyse par le théorème du petit gain . . . . . . . . . . . . . . 137


12.3.2 Analyse par la marge de gain . . . . . . . . . . . . . . . . . . . 138
12.4 Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
12.4.1 Essai 1 : profil en "montagnes russes" . . . . . . . . . . . . . . . 142
12.4.2 Essai 2 : profil en accélération . . . . . . . . . . . . . . . . . . . 143
12.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

Partie IV Mise en oeuvre 145

13 Calibration de la stratégie actuelle à partir du modèle théorique 147


13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
13.2 Comparaisons et validations . . . . . . . . . . . . . . . . . . . . . . . . 149
13.2.1 cas 1 : 750 tr/min, 5 mg/cp, 230 bar . . . . . . . . . . . . . . . 149
13.2.2 cas 2 : 750 tr/min, 20 mg/cp, 275 bar . . . . . . . . . . . . . . 152
13.2.3 cas 3 : 750 tr/min, 70 mg/cp, 680 bar . . . . . . . . . . . . . . 152
13.2.4 cas 4 : 1000 tr/min, 5 mg/cp, 279 bar . . . . . . . . . . . . . . 155
13.2.5 cas 5 : 1000 tr/min, 20 mg/cp, 365 bar . . . . . . . . . . . . . . 155
13.2.6 cas 6 : 1000 tr/min, 70 mg/cp, 930 bar . . . . . . . . . . . . . . 155
13.2.7 cas 7 : 2000 tr/min, 5 mg/cp, 560 bar . . . . . . . . . . . . . . 158
13.2.8 cas 8 : 2000 tr/min, 20 mg/cp, 600 bar . . . . . . . . . . . . . . 158
13.2.9 cas 9 : 2000 tr/min, 70 mg/cp, 1400 bar . . . . . . . . . . . . . 158
13.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

14 Mise en oeuvre de la nouvelle stratégie de commande 163


14.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
14.2 Intégration de la loi de commande monovariable . . . . . . . . . . . . . 164
14.2.1 Le contrôleur H∞ LFT . . . . . . . . . . . . . . . . . . . . . . . 164
14.2.2 Intégration du contrôleur dans l’ECU . . . . . . . . . . . . . . . 166
14.2.3 Quantification des signaux . . . . . . . . . . . . . . . . . . . . . 166
14.3 Tests et validations sur véhicule . . . . . . . . . . . . . . . . . . . . . . 167
14.3.1 Contrôle par l’IMV seule . . . . . . . . . . . . . . . . . . . . . . 167
14.3.2 Contrôle par l’IMV et l’HPV . . . . . . . . . . . . . . . . . . . 176
14.3.3 Passage IMV seule vers IMV et HPV puis fermeture de l’HPV . 181
14.3.4 Passage du mode de fermeture de l’HPV vers l’IMV seule . . . 184
6 Table des matières

Partie V Conclusion Générale 195

15 Bilan des résultats obtenus 197

16 Perspectives 199

Bibliographie 201

Annexes 203

A Système LFT (P, K) en boucle fermée 203


Première partie

Introduction

7
1

Introduction générale

1.1 Contexte
Les normes environnementales sont aujourd’hui une préoccupation majeure des construc-
teurs automobiles. Des réglementations sur les émissions fixent des seuils maximaux de
rejets d’un ensemble de polluants. Pour atteindre ces seuils, un travail important est réa-
lisé sur le contrôle de la combustion, où il s’agit d’apporter au cylindre le bon mélange
air, gaz brûlés et carburant. Deux systèmes reliés aux cylindres permettent le contrôle de
la combustion, il s’agit du turbocompresseur qui régule l’apport d’air au cylindre [20, 6],
et du système d’injection Common Rail (CR).
Nous nous intéressons dans cette thèse au système d’injection uniquement. Une bonne
injection se définit par la bonne quantité de carburant introduite dans le cylindre à une
pression et à un instant donnés. Les demandes du débit et de la pression sont définies
en fonction du régime moteur et du couple demandé. Une erreur de pression de quelques
bar peut avoir des répercussions importantes sur le couple moteur et les émissions de
polluants car la combustion ne sera pas optimale.

1.2 Motivations
Une demande particulière de Delphi était de pouvoir, à partir des caractéristiques du
sytème d’injection CR, élaborer une calibration du contrôle de la pression en minimisant
le nombre d’essais à réaliser sur le système. La connaissance du modèle du système devait
être donc physique et non expérimentale. Il était nécessaire de développer un modèle à
la fois précis et exploitable en vue de son utilisation pour les algorithmes de synthèse de
contrôleur.
Les contrôleurs actuels sont des PID et donnent des réponses en boucle fermée stables
et relativement robustes. Néanmoins, leur utilisation ne permet pas de garantir le niveau
de performance requis par le cahier des charges. En particulier, et à titre d’exemple, le
suivi d’une rampe avec une erreur de trainage nulle n’est pas possible. Cette erreur, selon
la pente de la rampe, peut atteindre des valeurs supérieures à 200 bar.
D’autre part, le passage d’un contrôleur à un autre selon le changement de point de
fonctionnement consiste à une interpolation de gains (les coefficients du PID). La stabilité

9
10 Chapitre 1. Introduction générale

du système entre deux points de fonctionnement doit être alors vérifiée a posteriori.
Les techniques de synthèse de contrôleur telles que l’approche H∞ linéaire à paramètres
variables (LPV) (gain scheduling) ont fait la preuve de leur efficacité, tant sur le plan de
la performance que de la robustesse. La loi d’interpolation du contrôleur est intrinsèque
à la solution et la stabilité du système est garantie, a priori, pour tous les points de
fonctionnement. Cette technique permet également de prendre en compte le cahier des
charges et de donner une solution au problème lorsqu’elle existe.
Les travaux de cette thèse s’inscrivent dans le cadre d’une collaboration entre le La-
boratoire d’Automatique de Grenoble (LAG) et la société Delphi1 . Cette collaboration a
pour but de participer pleinement au transfert de compétences, par l’apport d’informa-
tions techniques sur les problèmes que rencontre le monde industriel d’une part, et pour
proposer de nouveaux résultats scientifiques sur des problèmes industriels d’autre part.
L’ambition de ces travaux étaient d’aller au-delà d’une étude de faisabilité. L’objectif
était de mettre en pratique des techniques de contrôle avancées, pouvant s’appliquer au
moteur à injection directe Common Rail et d’intégrer les lois de commande ainsi dévelop-
pées dans le calculateur2 , après avoir résolu les problèmes de mise en oeuvre, pour réaliser
des essais sur véhicule. Cette contrainte a imposé tout au long de la thèse de faire des
choix face à différentes solutions offertes (p.e. type de contrôle), de n’en choisir qu’une
seule, sans pouvoir toutes les tester, afin d’aboutir, après ces trois années de recherche et
de développement, à une solution opérationnelle au même titre que les lois de commande
actuelles de sorte que les comparaisons soient possibles.

1.3 Plan du mémoire


Nous exposons dans ce mémoire les travaux qui ont amené à la mise en oeuvre d’une
solution sur le véhicule et qui ont abouti à des essais. Les autres solutions, par exemple
sur de nouveaux schémas de synthèse, n’ayant pas été validées sur véhicule et restant
dans le domaine théorique sont présentées brièvement dans le chapitre perspectives de la
dernière partie.

1.3.1 Partie 1 : Introduction générale


Cette partie présente le moteur Diesel et le système d’injection Common Rail. Il s’agit
d’un rappel pour les lecteurs avertis et d’une présentation sommaire pour ceux qui dé-
couvrent ce système.

1.3.2 Partie 2 : Modélisation


Cette partie traite de la modélisation physique du système d’injection Common Rail.
Chaque organe agissant sur l’évolution de la pression d’injection est décrit de manière
précise, pour obtenir un modèle de comportement non-linéaire dans un premier temps
puis linéarisé en vue de la synthèse d’une loi de commande.
1
Centre Technique de Blois (Loir-et-Cher)
2
nous utiliserons dans la suite du manuscrit le terme ECU (Electronic Control Unit)
1.4. Publications 11

1.3.3 Partie 3 : Commandes


Cette partie est décomposée en trois chapitres. Tout d’abord, les stratégies de com-
mande pour les différents modes de contrôle sont présentées. Il s’agit de présenter de quelle
manière sont agencées les stratégies. Celles-ci sont primordiales car elles permettent de
choisir, en fonction de l’état du système, le type de contrôle à appliquer. Les lois de
commande ne sont pas précisées.
Le deuxième chapitre traite de l’étude théorique de la synthèse H∞ . Pour l’élaboration
des lois de commande nous utilisons trois types de synthèse : standard à temps continu,
standard à temps discret et LFT à temps discret. Nous présentons les solutions des trois
techniques de synthèse.
Le dernier chapitre concerne la mise en oeuvre de la synthèse H∞ LFT et l’analyse sur
le contrôle de la pression rail par l’actionneur de remplissage. Il s’agit de la commande la
plus compliquée. Les autres commandes utilisent des méthodes largement connues, nous
ne présentons donc pas la synthèse des contrôleurs mais juste les résultats pratiques dans
la partie suivante.

1.3.4 Partie 4 : Mise en oeuvre


La quatrième partie traite de l’application sur véhicule de l’étude théorique développée
dans les deux premières parties. Nous présentons tout d’abord des résultats de calibration
de PID synthétisés à partir du modèle théorique. Des comparatifs sont faits entre les
modèles expérimentaux3 et théoriques. Ces travaux n’ont pas modifié la structure des lois
de commande.
Puis nous présentons les résultats des nouvelles stratégies et lois de commande déve-
loppées. Différents essais sont présentés, certains étant comparés avec les résultats équiva-
lents de simulation et d’autres avec les résultats du contrôle de la pression rail d’origine.
Une explication sur la mise en oeuvre est donnée. Le choix de la forme du contrôleur est
discuté, ainsi que la détermination du typage des variables en vue de l’intégration dans
l’ECU qui travaille sur des nombres en firgule fixe.

1.3.5 Partie 5 : Conclusion


Dans la dernière partie, nous faisons le bilan de notre travail et nous apportons des
conclusions sur notre approche. Des perspectives sont également exposées en vue de pour-
suivre et d’améliorer le travail déjà réalisé.

1.4 Publications
Ce travail a donné lieu à un certain nombre de publications :
– 16th IFAC WORLD CONGRESS, CZ, Prague, july 4-8, 2005 : Modelling of a Diesel
Engine Common Rail injection system, Gauthier C., Sename O., Dugard L. and
Meissonnier G.,
3
modèles obtenus par identifications sur véhicule
12 Chapitre 1. Introduction générale

– Les Rencontres Scientifiques de l’IFP : "New Trends in Engine Control, Simulation


and Modelling", 2-4 Octobre 2006 : An LFT approach to Hinfinity Control Design
for Diesel Engine Common Rail Injection System, Gauthier C., Sename O., Dugard
L. and Meissonnier G.,
– (accepté) Oil & Gas Science and Technology, revue de l’ifp : An LFT approach to
Hinfinity Control Design for Diesel Engine Common Rail Injection System, Gauthier
C., Sename O., Dugard L. and Meissonnier G.,
– European Control Conference (ECC), Greece, Kos, July 2-5 2007 : An Hinfinity
Linear Parameter-Varying (LPV) Controller for a Diesel Engine Common Rail In-
jection System, Gauthier C., Sename O., Dugard L. and Meissonnier G.,
– (soumis) IFAC Advances in Automotive Control, USA, August 2007 : Some expe-
rimental results of a robust Hinfinity Linear Parameter-Varying (LPV) controller
applies to a Diesel Engine Common Rail Injection System, Gauthier C., Sename O.,
Dugard L. and Meissonnier G.
2

Le moteur Diesel

Sommaire
2.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Principe de fonctionnement . . . . . . . . . . . . . . . . . . 15
2.3 Le turbocompresseur . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Système d’injection directe à rampe commune . . . . . . . 15
2.4.1 Fonctionnement du système . . . . . . . . . . . . . . . . . . 18
2.4.2 Actionneur de remplissage . . . . . . . . . . . . . . . . . . 19
2.4.3 Pompe Haute Pression . . . . . . . . . . . . . . . . . . . . 19
2.4.4 Rail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.5 Actionneur de décharge . . . . . . . . . . . . . . . . . . . . 20
2.4.6 Injecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.7 Interconnection des éléments . . . . . . . . . . . . . . . . . 24

2.1 Historique
C’est en 1893 que le premier moteur à allumage par compression a été mis au point,
plus connu sous le nom de son inventeur, Rudolf Diesel (1858-1913). Il imagina un moteur
dans lequel l’air serait comprimé à un tel niveau qu’il y aurait une grande élévation de
température. Lorsque le carburant serait ensuite injecté dans la chambre de combustion
avec l’air, celui-ci s’enflammerait immédiatement par la haute température de l’air, pro-
voquant une explosion, et repoussant ainsi le piston. Le premier fonctionnement de son
moteur donna un rendement de 26%, plus du double d’efficacité par rapport aux moteurs
à vapeur qui avaient un rendement de 12%. En février 1897, il mit au point le premier
moteur Diesel adapté pour les utilisations courantes. Les moteurs Diesel ont longtemps
fonctionné à l’huile végétale.
En 1936 Mercedes Benz commercialisa la 260D (fig.2.2), premier véhicule grand public
équipé d’un moteur Diesel. Jusqu’à cette date, les moteurs Diesel étaient utilisés pour les
camions, bateaux et dans l’industrie, bénéficiant du fort rendement.

13
14 Chapitre 2. Le moteur Diesel

Fig. 2.1 – Monocylindre à allumage par compression de Rudolf Diesel, 1893

Fig. 2.2 – Mercedes 260D, premier véhicule grand public équipé d’un moteur Diesel, 1936
2.2. Principe de fonctionnement 15

2.2 Principe de fonctionnement


Le moteur Diesel est constitué de pistons coulissants dans des cylindres fermés par
une culasse reliant le cylindre aux collecteurs d’admission et d’échappement et munie de
soupapes commandées par un arbre à cames. Le cycle d’un moteur Diesel quatre temps
est réalisé sur deux tours moteur. La figure 2.3 décrit l’évolution du piston dans le cylindre
pendant le cycle moteur, tandis que la figure 2.4 montre l’évolution à la fois du volume
de la chambre de combustion et de sa pression interne.
Le cycle moteur se décompose comme suit, (le cycle commence avec le piston au point
mort haut4 et les deux soupapes fermées) :
– Admission (1) : la soupape d’admission s’ouvre, le piston descend, augmentant le
volume de la chambre de combustion pendant qu’elle se remplit d’air,
– Compression (2) : le piston est au point mort bas5 , la soupape d’admission se ferme,
le piston monte, diminuant le volume de la chambre de combustion et ainsi augmen-
tant la pression de l’air,
– Injection, détente (3) : peu avant le point mort haut, le carburant est injecté dans
l’air, la combustion se réalise, les gaz chauds repoussent le piston,
– Echappement (4) : la soupape d’échappement s’ouvre, et les gaz brûlés sont évacués,
poussés par la remontée du piston.
La commande d’ouverture et de fermeture des soupapes est mécanique et directement liée
à la position du vilebrequin.

2.3 Le turbocompresseur
Pendant la phase d’admission, l’air entre dans le cylindre par l’effet d’aspiration créé
par le déplacement du piston. A faible régime, la pression de l’air en fin d’admission est
donc à peu près égale à la pression atmosphérique et la masse d’air aspirée est optimale.
Cependant, à plus haut régime, la masse d’air admise peut décroître jusqu’à 60% de
sa valeur optimale : le débit d’air n’est pas suffisant pour remplir le cylindre dans le
temps angulaire imparti. Ce manque d’air nuit à la combustion et dégrade le rendement
du moteur. Pour y remédier, il faut introduire l’air à une pression supérieure à la pression
atmosphérique. C’est le rôle du turbo compresseur.
Le turbocompresseur est constitué de deux turbines dont l’une utilise les gaz d’échap-
pement pour entraîner l’autre turbine qui comprime l’air vers le collecteur d’admission
des gaz frais. C’est ce qu’on appelle la suralimentation.

2.4 Système d’injection directe à rampe commune


Nous proposons dans cette partie une description fonctionnelle du système Common
Rail.
4
c’est la position du vilebrequin où le piston est au point le plus haut, le piston annule sa vitesse car
il arrive au bout de sa course
5
c’est la position du vilebrequin où le piston est au point le plus bas
16 Chapitre 2. Le moteur Diesel

soupape soupape
d’écahappement d’admission

u u

1er temps : ADMISSION 2eme temps : COMPRESSION

u u

3eme temps : INJECTION 4eme temps : ECHAPPEMENT


INFLAMMATION
DETENTE

Fig. 2.3 – Cycle moteur Diesel quatre temps


2.4. Système d’injection directe à rampe commune 17

Pression

3
s

3
s
2 4
s s
1 4

Volume

Fig. 2.4 – Evolution de la pression et du volume de la chambre de combustion

air gaz

compresseur turbine

échangeur

collecteur d’admission collecteur d’échappement


cylindre

Fig. 2.5 – Schéma de principe du turbo compresseur [13]


18 Chapitre 2. Le moteur Diesel

Des informations plus précises sur le moteur Diesel Common Rail sont données, par
exemple, dans le document technique de l’Association Nationale pour la Formation Au-
tomobile [2].

2.4.1 Fonctionnement du système


La fonction du système Common Rail est d’injecter une quantité précise de carbu-
rant indépendante pour chaque cylindre. La commande électronique de l’injecteur permet
de réaliser des injections pouvant se décomposer en plusieurs petites injections, ce qui
améliore la qualité de la combustion et diminue les émissions polluantes.
Le carburant est directement injecté dans le cylindre, il ne passe pas par une pré-
chambre de combustion comme c’est le cas pour l’injection indirecte. Pour que la com-
bustion se réalise correctement le carburant est pulvérisé à très haute pression créant
de fines particules. La pression d’injection peut varier, selon le point de fonctionnement
du moteur, entre 200 et 1800 bar. Le carburant est stocké et pressurisé dans une rampe
commune6 à laquelle chaque injecteur est relié par l’intermédiaire d’un tube. Le système
d’injection Common Rail est constitué principalement de cinq éléments, qui agissent tous
sur l’évolution de la pression au sein du rail. Chacun d’entre eux est décrit ci-dessous afin
d’en comprendre le principe de fonctionnement et le rôle, pour ensuite être plus détaillé
dans la partie modélisation.

Fig. 2.6 – Schéma du système d’injection directe à rampe commune


6
le terme anglais est common rail que nous utiliserons dans toute la suite du manuscrit
2.4. Système d’injection directe à rampe commune 19

La figure 2.6 montre un schéma présentant le système d’injection Common Rail. Ce


système est composé d’un actionneur de remplissage qui permet de doser la quantité de
carburant à introduire dans le rail. C’est le calculateur qui, en fonction de la pression lue
par le capteur et de la demande de pression, contrôle cet actionneur. Pour augmenter la
pression du carburant, le calculateur augmente le débit de l’actionneur de remplissage et
vice versa. La pompe haute pression (HP) permet de transférer le débit de l’actionneur
de remplissage (quelques bar) vers le rail (plusieurs centaines de bar). Un actionneur
de décharge permet de diminuer la pression en créant une fuite de décharge. Ceci est
nécessaire pour les chutes brutales de demande de pression où la simple diminution du
débit de remplissage ne suffit pas.

2.4.2 Actionneur de remplissage


L’actionneur de remplissage (Inlet Metering Valve) IMV permet de doser la quantité
de carburant introduite dans la pompe et donc celle fournie au rail. L’IMV est directe-
ment connecté à la pompe haute pression. Il s’agit d’un système électromécanique qui,
piloté par un signal électrique, déplace un piston venant recouvrir l’orifice du passage du
carburant vers la pompe HP. Son rôle est double : fournir le carburant nécessaire pour la
bobine
reservoir

masse 2
pompe masse 1
ressort ressort
avant arriere
bobine

Fig. 2.7 – Structure mécanique de l’IMV

consommation des injecteurs et asservir la pression dans le rail.

2.4.3 Pompe Haute Pression


La pompe HP est l’élément permettant le transfert du carburant du circuit basse
pression (quelques bar) vers le circuit haute pression (plusieurs centaines de bar).
Le transfert du carburant vers le rail est assuré par la chambre de pompage. Celle-ci
est constituée d’un plongeur dont son déplacement modifie le volume de la chambre et de
deux clapets, l’un relié au circuit basse pression (clapet d’admission) et le second au rail
(clapet de refoulement). Le plongeur est commandé par un excentrique placé sur l’arbre
de la pompe qui permet son déplacement.
Le fonctionnement de la pompe HP suit le cycle suivant :
– Aspiration : lorsque la pression dans la chambre est inférieure à celle du circuit basse
pression, le clapet d’admission s’ouvre et la chambre se remplit de carburant jusqu’à
ce que le clapet se referme,
20 Chapitre 2. Le moteur Diesel

– Compression : Le volume de la chambre de pompage diminue provoquant l’élévation


de la pression du carburant qu’elle contient,
– Refoulement : lorsque la pression dans la chambre devient supérieure à celle du rail,
le clapet de refoulement s’ouvre, le carburant est alors refoulé vers le circuit haute
pression,
– Dépressurisation : lorsque le clapet de refoulement se referme, le volume dans la
chambre augmente, faisant diminuer la pression à l’intérieur jusqu’à ce que le clapet
d’admission s’ouvre à nouveau et le cycle recommence.
La figure 2.8 montre la coupe d’une pompe HP constituée de 3 plongeurs.

Fig. 2.8 – Coupe d’une pompe HP constituée de 3 plongeurs

2.4.4 Rail
C’est le réservoir du système d’injection où est pressurisé le carburant. La pompe HP,
les injecteurs ainsi que l’actionneur de décharge y sont tous reliés.

2.4.5 Actionneur de décharge


L’acitonneur de décharge (High Pressure Valve) HPV est directement reliée au rail
(contrairement aux autres éléments qui sont reliés par des tubes, augmentant le volume
de la partie haute pression). Sa commande est identique à celle de l’IMV, c’est-à-dire
une commande en tension. Cet actionneur est utilisé pour réaliser une chute brutale de
pression, ce qui est nécessaire notamment lorque les injecteurs cessent de débiter et qu’il
2.4. Système d’injection directe à rampe commune 21
réservoir bobine

ressort
rail bille masse

bobine

Fig. 2.9 – Structure mécanique de l’HPV

n’y a donc dans ce cas plus de débit sortant pour faire chuter la pression (puisque la
pompe HP ne peut que remplir le rail).

2.4.6 Injecteurs

Il existe deux types d’injecteurs, les injecteurs à commande électromécanique et les


injecteurs à commande piezzo électrique. Dans la suite des travaux, nous travaillerons
uniquement avec l’injecteur électromécanique.
La figure 2.10 montre une coupe de l’injecteur électromécanique. Le carburant entre en
haut à gauche par le canal d’admission. Le carburant remplit l’ensemble des volumes de
l’injecteur et la pression est également répartie. L’ouverture de l’injecteur est provoquée
par le déplacement vers le haut de la valve, créant ainsi une fuite appelée débit de contrôle.
Ce débit engendre une chute de la pression au-dessus de l’aiguille, déséquilibrant les forces
exercées autour de celle-ci. L’aiguille se lève de son siège et l’injection se produit. Lorsque
l’injecteur cesse d’être alimenté, la valve redescend, la pression au-dessus de l’aiguille
augmente et finit par repousser l’aiguille vers le bas arrêtant ainsi l’injection.
L’ouverture de l’injecteur n’est pas instantanée, il y a un certain retard pour que l’ai-
guille se lève lorsque la valve se soulève, qui est de l’ordre de la centaine de microsecondes
(cette valeur dépend principalement de la pression rail). Il est ainsi possible de piloter
l’injecteur avec une impulsion très courte, de telle sorte que la levée de la valve crée un
débit de contrôle et se referme avant que l’aiguille n’ait eu le temps de se lever. Ce phéno-
mène est utilisé comme technique pour les systèmes qui ne sont pas équipés d’actionneur
de décharge, pour créer des fuites (bien entendu en dehors des instants où l’injecteur est
piloté pour injecter) et ainsi faire chuter la pression lorsque c’est nécessaire. La figure 2.11
illustre les deux utilisations possible de l’injecteur : une impulsion électrique pour injecter
dans le cylindre et une impulsion électrique très courte pour uniquement créer un débit
de contrôle afin de faire chuter la pression du rail.
22 Chapitre 2. Le moteur Diesel

Fig. 2.10 – Coupe de l’injecteur électromécanique


2.4. Système d’injection directe à rampe commune 23

Pulse de décharge
Impulsion

Pulse d’injection

6.8 7 7.2 7.4 7.6 7.8 8


Temps [s] −3
x 10
1
Débit de contrôle
Débit [l/min]

Débit injecté
0.5

0
6.8 7 7.2 7.4 7.6 7.8 8
Temps [s] −3
x 10
1
Débit de contrôle
Débit [l/min]

Débit injecté
0.5

0
6.8 7 7.2 7.4 7.6 7.8 8
Temps [s] −3
x 10

Fig. 2.11 – Débits lors d’une injection : pulse de décharge - pulse d’injection
24 Chapitre 2. Le moteur Diesel

2.4.7 Interconnection des éléments


À présent que les différents éléments qui agissent sur la pression d’injection ont été
présentés, nous pouvons réaliser le synoptique du système d’injection Common Rail du
point de vue du contrôle de la pression (figure 2.12). Nous retrouvons le rail dont la
pression dépend de la somme du débit entrant (positif) et des débits sortants (négatifs)
et les deux organes de contrôle, i.e. l’IMV et l’HPV. Une présentation plus détaillée de

Uimv Qimv
IMV POMPE HP

Qppe


Implusions Qinj Prail
INJECTEURS RAIL


Uhpv Qhpv
HPV

Fig. 2.12 – Synoptique du système Common Rail du point de vue du contrôle de la


pression d’injection

tous les éléments du système d’injection est donnée dans la partie modélisation.
3

Objectifs et contributions

Sommaire
3.1 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Méthodologie de calibration actuelle . . . . . . . . . . . . . 26
3.3 Propositions d’amélioration . . . . . . . . . . . . . . . . . . 27

3.1 Problématique
Tous les systèmes d’injection Common Rail sont composés des mêmes éléments, i.e.
IMV, pompe HP, rail, injecteurs et le cas échéant d’une HPV. Néanmoins, selon le type
de véhicule, les caractéristiques des différents éléments doivent être adaptées aux besoins
du moteur (p.e. le volume du rail).
Ces modifications des caractéristiques d’un système à l’autre ne changent pas le prin-
cipe général de fonctionnement, en revanche le comportement dynamique du système est
modifié, ce qui nécessite une nouvelle conception du contrôle de la pression.
De manière générale, la calibration du contrôle de la pression d’injection est décom-
posée en trois étapes incontournables en automatique :
– premièrement, il faut obtenir un modèle mathématique qui définit le comportement
dynamique du système,
– deuxièmement, ce modèle est utilisé pour réaliser la synthèse d’un contrôleur en
fonction des critères définis par le cahier des charges,
– troisièmement, le contrôleur est mis en oeuvre dans le calculateur pour réaliser des
tests sur le véhicule afin d’en réaliser la validation.
Du point de vue industriel, les aspects importants concernent la manière d’arriver au
résultat (impact sur le coût) et la qualité du résultat (touchant la satisfaction du client).
Les améliorations possibles se situent donc sur deux points :
– ce dont nous avons besoin pour arriver au résultat escompté, comme les moyens d’es-
sais (aspect matériel), le temps nécessaire pour effectuer le travail (aspect temporel)
et le nombre de personnes nécessaires pour le réaliser (aspect ressources),
– le système, c’est-à-dire les performances et la robustesse du contrôle de la pression.

25
26 Chapitre 3. Objectifs et contributions

Les sections suivantes présentent tout d’abord la méthodologie actuellement utilisée pour
la calibration du contrôle de la pression d’injection. Face à cela, nous proposons deux
autres méthodes qui apportent chacune au moins une amélioration par rapport à la pré-
cédente. La première méthodologie permet d’améliorer l’aspect matériel et temporel en
proposant une approche théorique pour l’obtention du modèle de comportement du sys-
tème à contrôler. L’algorithme de synthèse du contrôleur et les stratégies de commande
restent inchangés. La seconde méthodologie propose une nouvelle stratégie et une loi de
commande utilisant des techniques de contrôle avancées.

3.2 Méthodologie de calibration actuelle


Le comportement de la pression d’injection est fortement non-linéaire, ce que nous
pourrons constater dans la partie modélisation. La méthode usuelle consiste à travailler
autour d’un point de fonctionnement, permettant alors d’utiliser des techniques de mo-
délisation et de contrôle linéaires.
La méthodologie actuelle consiste à obtenir pour chaque point de fonctionnement
du système (plusieurs centaines) un modèle linéaire du comportement du système. Le
modèle est obtenu par identification soit sur le véhicule soit sur le banc d’essai. Il faut
pour cela stabiliser le système au point de fonctionnenemt en question, exciter le système
par un ensemble de SBPA7 . L’acquisition des données entrée/sortie permet d’utiliser des
algorithmes d’identification afin de déduire un modèle sous forme de fonction de transfert.
Il y a autant d’essais à faire que de points de fonctionnement définis, ce qui rend l’étape
d’obtention des modèles plutôt longue.
Une fois tous les modèles obtenus, il faut effectuer la synthèse des contrôleurs. Il s’agit
d’un contrôleur de type PID8 dont les gains du même type sont interpolés entre eux pour
passer d’un point de fonctionnement à un autre. Il faut donc réaliser la synthèse des gains
du correcteur pour chaque point de fonctionnement en fonction du modèle respectif. Les
gains sont obtenus par un algorithme qui répète donc cette opération autant de fois que
nécessaire.
La dernière étape consiste à réaliser des essais sur véhicule avec le contrôleur calibré
et à valider le comportement du système en boucle fermée. La figure 3.1 résume la mé-
thodologie actuelle, avec les trois étapes, ainsi que le nombre de fois où une étape est
répétée. Plusieurs jours sont nécessaires pour obtenir une calibration du contrôle de la
pression d’injection, c’est-à-dire la réalisation des étapes 1 et 2. Cette méthode requiert
d’avoir à disposition un système, véhicule ou banc d’essai, afin d’appliquer l’ensemble des
SBPA, pendant une durée relativement longue. Il faut ensuite à partir des acquisitions
faites, effectuer toutes les synthèses des correcteurs. Le contrôle peut seulement ensuite
être testé sur véhicule pour faire les validations.

7
Séquence Binaire Pseudo Alétoire, signal dont la composition fréquentielle s’approche d’un bruit
blanc sous certaines conditions
8
Abréviation de Proportionel, Intégral et Dérivatif
3.3. Propositions d’amélioration 27
identification
essai du modèle
véhicule et synthèse
du contrôleur
1.1 2.1
acquisition contrôleur
e e de données calibré
test et
validation
concaténation 3
e e e e

1.n 2.n
acquisition contrôleur
e e de données calibré

Fig. 3.1 – Méthode actuelle pour la calibration du contrôle de la pression

3.3 Propositions d’amélioration


La méthodologie actuelle nécessite d’avoir à disposition un ou plusieurs véhicules ou
bancs d’essai. L’efficacité de l’étape d’identification dépend en particulier du nombre de
campagnes de mesure, ce qui est long à mettre en oeuvre et coûteux en ressources humaines
et financières.
Pour éviter cette dépendance aux moyens d’essai lors de l’obtention des modèles, nous
proposons une approche théorique, basée sur la connaissance physique du système. Ceci
impose une modélisation complète des différents organes. Le modèle ainsi obtenu, non-
linéaire, sera valable sur toute la plage de fonctionnement du moteur. Il devra être linéarisé
autour d’un point de fonctionnement pour pouvoir être utilisé par l’algorithme de syn-
thèse des gains du PID. Cette linéarisation prendra en compte le point de fonctionnement
du système. Finalement, le nombre d’étapes par rapport à la méthode actuelle n’est pas
réduit, car il faut calculer autant de modèles que de points de fonctionnement. En re-
vanche il ne sera plus nécessaire d’avoir un moyen d’essai sauf pour le développement et
la validation du modèle théorique. D’autre part, le temps de calcul d’un modèle linéaire
est de l’ordre de la seconde, bien plus rapide que le temps nécessaire pour la mise en place
du système, suivi du lancement d’une séquence de SBPA et de l’identification associée.
Au final, quelques heures suffiront pour réaliser la calibration du contrôle de la pression.
La figure 3.2 montre le nouveau principe que nous proposons. Dans cette méthode,
nous n’intervenons ni sur l’algorithme de synthèse des gains du contrôle, ni sur la stratégie
de contrôle.
Dans la dernière partie de ce manuscrit, nous présentons les résultats de cette méthode,
en partant de la modélisation du système décrite dans la partie II que nous comparons
avec le résultat issu de l’identification, jusqu’aux essais du contrôle en boucle fermée sur
un banc d’essai.
Le modèle étant basé sur la connaissance physique du système, il suffit alors pour un
28 Chapitre 3. Objectifs et contributions
calcul théorique synthèse
du modèle du contrôleur
1.1 2.1
acquisition contrôleur
de données calibré
test et
validation
concaténation 3
e e

1.n 2.n
acquisition contrôleur
de données calibré

Fig. 3.2 – Remplacement des essais véhicule par une approche théorique pour l’obtention
des modèles du système

nouveau système de modifier les paramètres du modèle, puis de relancer la synthèse d’un
contrôleur. Avec la méthode actuelle, il faudrait relancer les campagnes de mesure sur
véhicule ou banc d’essai avant de refaire la synthèse du contrôleur.
La seconde méthode que nous proposons utilise des techniques de contrôle avancées
permettant de prendre en compte la variation des paramètres qui influent sur le comporte-
ment dynamique du système (e.g. le régime moteur, etc.). La méthodologie de calibration
du contrôle de la pression d’injection sera modifiée pour les deux étapes d’obtention du
modèle et de conception de la loi de commande.
Nous avons choisi de modéliser le système sous la forme d’un modèle linéaire à para-
mètres variants (LPV). Il suffit alors pour connaître le comportement linéaire du système,
à un point de fonctionnement donné, d’appliquer ce modèle aux valeurs des paramètres à
ce point de fonctionnement.
La démarche adoptée ici consiste à utiliser l’approche de commande robuste H∞ pour
les systèmes à paramètres variants, permettant ainsi d’obtenir un contrôleur séquencé
par l’ensemble de ces paramètres (supposés mesurables). Cette méthode garantit, pour
calcul théorique synthèse test et
du modèle du contrôleur validation
1 2 3
contrôleur
e e
calibré

Fig. 3.3 – Calibration unique du contrôleur pour l’ensemble des points de fonctionnement
du système

toutes les variations des paramètres, c’est-à-dire pour toute la plage de fonctionnement
du moteur, la stabilité interne du système bouclé, mais aussi le respect d’un critère de
performance au sens H∞ . Outre cet avantage, la synthèse est réalisée en une seule étape
3.3. Propositions d’amélioration 29

ce qui réduit considérablement le temps de mise au point de la loi de commande (c.f. fig.
3.3).
Le temps nécessaire pour la calibration du contrôleur de la pression sera donc de
quelques minutes, sans avoir besoin de réaliser des essais au préalable pour obtenir un
modèle. D’autre part, les performances seront meilleures puisque nous utiliserons un al-
gorithme de synthèse de contrôleur plus performant que celui d’origine (qui permet de
calibrer les gains des PID), et le contrôleur pourra avoir une structure plus complexe
qu’un PID.
30 Chapitre 3. Objectifs et contributions
Deuxième partie

Modélisation

31
4

L’actionneur de remplissage

Sommaire
4.1 Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Le circuit électrique . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Le circuit magnétique . . . . . . . . . . . . . . . . . . . . . . 35
4.4 Le système masse-ressort . . . . . . . . . . . . . . . . . . . . 35
4.5 Le système hydraulique . . . . . . . . . . . . . . . . . . . . . 37
4.5.1 Calcul de la section de passage . . . . . . . . . . . . . . . . 37
4.5.2 Calcul du coefficient de débit de Bernouilli . . . . . . . . . 38
4.6 Modèle non-linéaire . . . . . . . . . . . . . . . . . . . . . . . 39
4.7 Modèle linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.8 Test et validation du modèle de l’IMV . . . . . . . . . . . 43
4.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.1 Structure
La figure 4.1 montre la structure mécanique de l’IMV. Il s’agit d’un système masse-
ressort où l’apport d’une force magnétique permet de modifier la position des masses.
Le pilotage en tension d’une bobine autour d’une partie de la masse à déplacer crée un
courant et donc un champ magnétique. Selon la position de la masse 1, nous pouvons
contrôler l’alimentation en carburant de la pompe HP.
La figure 4.2 montre les différentes parties physiques qui composent l’IMV. Nous pro-
posons dans la suite un modèle de chacun des éléments pour obtenir le modèle complet
de l’actionneur.

4.2 Le circuit électrique


Le circuit électrique se réduit à la bobine de l’IMV, représentée électriquement comme
une inductance Limv en série avec une résistance Rimv . L’IMV est commandée par une

33
34 Chapitre 4. L’actionneur de remplissage
bobine
reservoir

masse 2
pompe masse 1
ressort ressort
avant arriere
bobine

Fig. 4.1 – Structure mécanique de l’IMV


Tension Courant Force Position Débit
Vimv Iimv Fimv ximv Qimv
[V ] Bobine [A] Circuit [N] Système [m] Système [m3 .s−1 ]
Circuit masse
électrique magnétique hydraulique
ressort

Fig. 4.2 – Synoptique de l’IMV

tension réalisée par un rapport cyclique d’ouverture (RCO9 ) (figure 4.3).


Ton
Vbatt

0
T

Fig. 4.3 – Signal PWM de la commande de l’IMV

Le rapport cyclique α est défini comme le rapport entre la durée Ton et la période T .
La tension moyenne Uimv alors appliquée sur l’IMV est :

Uimv = α · Vbatt (4.1)

où Vbatt est la tension de la batterie.


Cette tension Uimv aux bornes de la bobine engendre un courant Iimv , donnant lieu à
un champ magnétique utilisé pour déplacer la partie mobile de l’IMV et ainsi contrôler
l’ouverture des orifices.

9
en anglais PWM pour Pulse Width Modulation
4.3. Le circuit magnétique 35

L’équation électrique de la bobine s’écrit :

dIimv
Uimv = Limv · + Rimv · Iimv (4.2)
dt
En introduisant la variable de Laplace s nous obtenons la fonction de transfert suivante :
1
Iimv (s) Rimv
= Limv
(4.3)
Uimv (s) 1+ R ·s
imv

4.3 Le circuit magnétique


Dans un objectif de linéarité pour le contrôle du débit de l’IMV, le circuit magnétique
a été conçu de telle sorte que la force électromagnétique soit constante dans une certaine
plage de fonctionnement. [8] présente les différentes formes polaires et leur effet vis-à-
vis de la commande. La figure 4.4 montre quatre formes polaires différentes, ayant des
caractéristiques également différentes, présentées sur la figure 4.5.
La conception de l’IMV est telle que nous utiliserons l’hypothèse de la forme polaire
C. Le déplacement de la masse mobile est suffisamment réduit pour considérer que nous
utilisons l’IMV dans la zone où le gain électromagnétique est constant. Le transfert entre
le courant de l’IMV et la force qui en résulte s’écrit comme suit :

Fimv = Kimv · Iimv (4.4)

– Fimv , force électromagnétique créée par la bobine [N],


– Kimv , gain électromagnétique,

4.4 Le système masse-ressort


C’est le système mécanique de l’IMV. Il est constitué de deux ressorts, d’une masse
mobile composée de deux parties, le tout immergé dans le carburant sous faible pression
(de l’ordre de quelques bars).
Si on appelle ximv le déplacement de l’IMV, tel que défini à la figure 4.6, alors le
principe fondamental de la dynamique donne l’équation suivante :
X
F = mimv · ẍimv (4.5)

où F est l’ensemble des forces appliquées au système, mimv la masse de la partie


P
mécanique mobile et ẍImv l’accélération de la partie mobile. L’équation (4.5) se développe
comme suit :
Fimv − ν ẋimv − (Kr + Kf ) · ximv = mimv · ẍimv (4.6)
où ν représente la viscosité du carburant, Kr et Kf les raideurs des ressorts avant et
arrière de l’actionneur, ximv et ẋimv respectivement la position et la vitesse de la masse.
36 Chapitre 4. L’actionneur de remplissage

A B

C D

Fig. 4.4 – Quelques formes polaires

F
A

B
D

Fig. 4.5 – Force électromagnétique en fonction du déplacement selon la forme polaire


4.5. Le système hydraulique 37

En utilisant la variable de Laplace s, nous pouvons alors écrire la fonction de transfert


du système mécanique de l’IMV :

Fimv − s · ν · ximv − (Kr + Kf ) · ximv = s2 · mimv · ximv


ximv · s2 · m + s · ν + Kr + Kf = Fimv

1
ximv Kr +Kf
= ν m
Fimv 1+ Kr +Kf
·s+ Kr +Kf
· s2
(4.7)

4.5 Le système hydraulique


L’IMV comporte deux paires d’orifices diamétralement opposés. La position et le dia-
mètre de ces orifices peuvent être différents entre eux afin d’optimiser la variation du débit
traversant l’IMV et ainsi accroître les performances vis-à-vis du contrôle du remplissage
de la pompe.
Le débit de l’IMV satisfait l’équation de Bernouilli [7] suivante :
s 
2 · |PT − Pch |
Qimv = Cqimv · Simv · (4.8)
ρ

avec :
– Cqimv le coefficient de perte de charge (SU10 ),
– Simv la section de passage de l’IMV [m2 ],
– PT la pression de transfert du circuit basse pression [P a],
– Pch la pression dans le volume en entrée de la pompe [P a],
– ρ la masse volumique du carburant en entrée pompe [kg/m−3 ].
Les paramètres de l’équation (4.8) sont explicités dans ce qui suit.

4.5.1 Calcul de la section de passage


Nous présentons le détail du calcul pour un orifice, il suffit ensuite d’adapter les para-
mètres selon les caractéristiques de l’IMV. L’aire de passage est la partie non recouverte
par un piston d’un orifice circulaire (fig. 4.6).
La section de passage s’écrit de la manière suivante :

d2
Simv = (θ − sin(θ)) (4.9)
8
où :  
2 · ximv
θ = 2 · acos 1 − (4.10)
d
10
Sans Unité
38 Chapitre 4. L’actionneur de remplissage

ximv

ximv
θ
d

Fig. 4.6 – Orifice de l’IMV

avec d le diamètre de l’orifice et θ l’angle tel qu’il est représenté figure 4.6. La section de
passage d’un orifice s’écrit alors :

d2
     
2 · ximv 2 · ximv
Simv = 2 · acos 1 − − sin 2 · acos 1 − (4.11)
d d 8

4.5.2 Calcul du coefficient de débit de Bernouilli

 q 
2 hd (xνimv ) 2·|PT −Pch |
ρ
Cqimv (ximv ) = Cq∞ tanh   (4.12)
λcrit

avec :
– Cq∞ , la valeur maximale du coefficient de débit Cq [SU],
– hd , le diamètre hydraulique [m2 ],
– ν, le coefficient de viscosité du carburant [N/m/s],
– ρ, la masse volumique du carburant [kg/m3 ],
– λcrit , la valeur laminaire critique,

Calcul du diamètre hydraulique


Le diamètre hydraulique se calcule littéralement à partir de la section de passage :

Simv
hdimv = θ
 (4.13)
θ + 2 · sin 2

La figure 4.7 montre la variation du débit de l’IMV Qimv selon l’équation (4.8) (pour
une configuration du système donnée, i.e. selon les caractéristiques hydrauliques la fonc-
tion sera différente) en fonction de la position ximv . Nous pouvons constater que la courbe
est non linéaire, ce qui signifie que le modèle linéaire de l’IMV aura un gain qui variera
en fonction de la position de l’IMV.
4.6. Modèle non-linéaire 39

120

100

80
Débit Qimv [l/h]

60

40

20

0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Position ximv [mm]

Fig. 4.7 – Débit de l’IMV

4.6 Modèle non-linéaire


Les équations (4.3), (4.4), (4.7) et (4.8) permettent d’écrire le modèle non linéaire de
l’IMV tel qu’il est représenté à la figure 4.2.
La figure 4.8 montre la non linéarité de l’IMV. En effet, si nous appliquons un même
échelon de tension de 0, 1 Volt (soit un déplacement de la partie mobile de l’IMV d’environ
20, 5µm) pour une faible ouverture de l’IMV (ximv = 0, 04 mm donnant un débit Qimv = 3
l/h) et pour une grande ouverture (ximv = 0, 3 mm donnant un débit de Qimv = 66 l/h),
l’amplitude de la variation de débit de l’IMV est différente.
Nous pouvons facilement constater que la variation de débit en régime établi est bien
plus faible lorsque l’IMV est presque fermé (rapport de gain de 3, 66). Ceci s’explique par
le fait que la variation de la section de passage, pour un même déplacement de la masse,
n’est pas identique selon le point de fonctionnement de l’IMV (i.e. la valeur de ximv ).
Cette explication est illustrée sur la figure 4.9, où nous voyons bien que l’aire de la section
de passage hachurée est bien plus importante lorsque l’IMV est plus ouverte.

4.7 Modèle linéaire


Les autres éléments de l’IMV sont considérés comme linéaires, ainsi seule la partie
hydraulique, telle que nous l’avons modélisée, contient une non linéarité. Pour obtenir
un modèle linéaire en fonction de la position ximv , il faut linéariser le débit Qimv en
fonction de la position ximv de l’IMV. Les autres parties de l’IMV étant linéaires, il suffira
de mutliplier l’ensemble par le gain hydraulique linéarisé pour obtenir le comportement
40 Chapitre 4. L’actionneur de remplissage

10
ximv = 0,04 mm
8
Débit Qimv [l/h]

0
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035
Temps [s]

67
ximv = 0,3 mm
65
Débit Qimv [l/h]

63

61

59

57
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035
Temps [s]

Fig. 4.8 – Réponse de l’IMV en débit face à un échelon de tension Uimv = 0, 1V pour
deux points de fonctionnement différents

∆ximv
∆ximv

Fig. 4.9 – Variation de l’aire de la section de passage de l’IMV (partie hachurée) selon le
point de fonctionnement
4.7. Modèle linéaire 41

linéaire de l’IMV autour d’un point de fonctionnement.


Nous appelons x0imv la valeur du point de fonctionnement de la position de l’IMV ximv .
La dérivée partielle à l’équilibre (i.e. ximv = x0imv ) du débit de l’IMV en fonction de la
position ximv est la suivante :
s !
∂Qimv ∂ 2 · |PT − Pch |
= Cqimv Simv
∂ximv ∂ximv ρ
s  
2 · |PT − Pch | ∂Cqimv 0 0 ∂Simv
= Simv (ximv ) + Cqimv (ximv )
ρ ∂ximv ∂ximv
(4.14)

D’après l’equation (4.12), la dérivée partielle du coefficient de débit Cqimv en fonction


de ximv est :

s
∂Cqimv 1 2 2 · |PT − Pch | ∂hdimv
= Cq∞ (4.15)
ν · λcrit
q
∂ximv ρ ∂ximv
 
2·|PT −Pch |
cosh2 2
ν·λcrit ρ
hdimv

A partir de l’équation (4.13) définissant le diamètre hydraulique hdimv , celui-ci peut


s’écrire comme le rapport de deux fonctions :
Simv
hdimv = (4.16)
v(ximv )

 
θ
avec v(ximv ) = θ + 2 sin
2
    
2ximv 2ximv
= 2acos 1 − + 2 sin acos 1 −
d d
(4.17)
∂hdimv
De l’équation (4.16) on peut plus facilement calculer ∂ximv
.
∂Simv ∂v
∂hdimv ∂ximv
· v(x0imv ) − Simv (x0imv ) · ∂ximv
= (4.18)
∂ximv v 2 (x0imv )

La dérivée partielle de la section de passage donne :


rappel : d(acos(u))
du
= −(1 − u)−1/2 du

2(x0imv )
   
∂Simv d 1
= s 1 − cos 2 arccos 1 − (4.19)
∂ximv 2  2  d
2(x0imv )
1− 1− d
42 Chapitre 4. L’actionneur de remplissage

Et celle de la fonction v(ximv ) :

      
∂v ∂ 2ximv ∂ 2ximv
= 2 acos 1 − +2 sin acos 1 −
∂ximv ∂ximv d ∂ximv d
0
  
−2 −2 2(ximv ) −1 −2
= r + 2 cos acos 1 − r
  2 d d   2 d
2(x0 ) 2(x0 )
1 − 1 − imv d
1 − 1 − imv d

2(x0imv )
  
4
= r  2 1 + 1 − d
2(x0imv )
d 1− 1− d
(x0imv )
 
∂v 8
∂ximv
= r  2 1 − d
2(x0imv )
d 1− 1− d
(4.20)
La figure 4.10 montre la variation du gain hydraulique ∂Qimv /∂ximv en fonction de la
position de l’IMV. Nous retrouvons théoriquement l’explication faite précédemment sur la
valeur du gain hydraulique en fonction de la position ximv : plus l’IMV est ouvert, plus le
gain est grand. La cassure constatée à la position ximv = 0.25 mm est due à la disposition
des orifices.

0.7

0.6

0.5
Dérivée du débit [(l/h)/µm]

0.4

0.3

0.2

0.1

0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Position ximv [mm]

Fig. 4.10 – Linéarisation du débit de l’IMV en fonction de la position ximv


4.8. Test et validation du modèle de l’IMV 43

4.8 Test et validation du modèle de l’IMV


Les valeurs physiques de l’IMV, telles que le poids des masses, la raideur des ressorts
etc., ont toutes été mesurées et sont donc connues. La mesure des différents paramètres a
été faite à chaque fois sur plusieurs IMV.
Pour que la validation soit faite en condition réelle, il faut que l’IMV soit testé sur
le système Common Rail et non sur table, comme nous l’avons fait pour la mesure des
caractéristiques physiques. La seule mesure possible sur le système est la position11 de
l’IMV, la mesure du débit n’étant pas possible. D’autre part le comportement du débit,
s’il était mesuré sur table, ne serait pas celui que nous aurions sur le système car il ne
serait pas influencé par les éléments amont et aval (i.e. le circuit basse pression et la
pompe).
Nous proposons donc de valider le comportement électromécanique de l’IMV, c’est-
à-dire entre l’entrée de commande Uimv et la position ximv . Ce test a été réalisé sur un
banc d’essai, sur lequel nous avons appliqué une série d’échelons12 et avons mesuré le
déplacement de la partie mobile de l’actionneur.
Nous avons comparé les résultats de cet essai avec une simulation du modèle électro-
mécanique sur lequel nous avons appliqué la même série d’échelons. La figure 4.11 montre
le résultat temporel comparatif entre le banc d’essai et notre simulation. L’aquisition de la

mesures
modèle
Position relative

29 29.1 29.2 29.3 29.4 29.5 29.6 29.7 29.8 29.9 30


Temps [s]

Fig. 4.11 – validation temporelle du modèle électromécanique de l’IMV

mesure du déplacement de l’IMV sur le banc d’essai avait une période d’échantillonnage
11
cette mesure est faite sur des actionneurs instrumentés pour la phase de développement uniquement
12
car il s’agit de la seule forme de signal disponible dans l’ECU pour exciter la commande de l’IMV
44 Chapitre 4. L’actionneur de remplissage

de 30 ms, ce qui explique la forme rectangulaire du signal mesuré.


Le résultat obtenu est très satisfaisant car nous pouvons constater une forte simulitude
entre le résultat du déplacement mesuré et celui de notre modèle. Néanmoins, nous pou-
vons apercevoir quelques différences qui peuvent être dues à des phénomènes hydrauliques
qui ne sont pas pris en compte dans le modèle. En effet si nous revenons à la figure 4.1, le
carburant traversant l’IMV, comme l’indiquent les flèches pointillées, circule également au
travers des masses par des orifices et va immerger le ressort arrière. Ceci est fait notam-
ment dans le but d’équilibrer les forces exercées de chaque côté des masses. Néanmoins,
le déplacement des masses crée des variations de volumes (p.e. à gauche de la masse 2),
ce qui engendre une variation de pression et donc un transfert de débit. Cette circulation
du carburant a forcément un effet sur le déplacement des masses et contribue à expliquer
l’erreur résiduelle.

4.9 Conclusion
Le modèle de l’IMV que nous venons de développer présente une non linéarité qui
se situe sur le gain hydraulique de l’actionneur. En effet, la validation du comportement
électromécanique de l’actionneur (fig. 4.11), i.e. l’évolution de la position ximv par rapport
à la commande Uimv , montre que le modèle peut être considéré comme linéaire sur cette
partie. En revanche, le débit de l’actionneur défini par l’équation (4.8) contient la non
linéarité statique de l’actionneur. Ceci est mis en évidence à la figure 4.8 où nous pouvons
constater que pour deux points de fonctionnement différents, la variation du débit de
l’actionneur ∆Qimv n’est pas la même pour une même variation de commande ∆Uimv .
Le calcul du linéarisé tangent du gain hydraulique (eq. (4.14)) donne la valeur linéaire
du gain en fonction de la position ximv de l’actionneur (fig. 4.10). Le modèle linéaire de
l’IMV permet de définir la variation de débit ∆Qimv en fonction d’une variation ∆Uimv de
la commande et ceci pour une position x0imv donnée. La figure 4.12 montre l’équivalence
entre le modèle non linéaire de l’IMV et le modèle linéaire. Cette équivalence est vraie
uniquement autour du point de fonctionnement défini par x0imv .
Cette non linéarité a l’inconvénient de dépendre d’une variable non mesurable sur les
systèmes en série. En d’autres termes, cette variation du comportement de l’actionneur
qui est fonction de sa position devra être prise en compte dans la robustesse du contrôleur
afin de garantir la stabilité du système quel que soit le point de fonctionnement de l’IMV.
4.9. Conclusion 45

Uimv IMV Qimv


modèle N.L.

x0imv

Uimv 
∆Uimv système
∆ximv ∂Qimv ∆Qimv  Qimv
 ∂ximv 
électromécanique

0
Uimv Q0imv

Fig. 4.12 – "Equivalence" entre le modèle non linéaire de l’IMV et son modèle linéaire
46 Chapitre 4. L’actionneur de remplissage
6

Le rail

Sommaire
6.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2 Fonctionnement du rail . . . . . . . . . . . . . . . . . . . . . 73
6.3 Modèle du rail . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.4 Discrétisation du modèle . . . . . . . . . . . . . . . . . . . . 74

6.1 Présentation
L’étude du comportement de la pression au sein du rail peut être analysée de ma-
nière très précise comme dans [1], où les phénomènes d’ondes sont utilisés pour décrire
l’évolution de la pression du carburant.
Pour notre cas d’application, nous utilisons une approche beaucoup plus simple pour
la représentation du rail. En effet, le rail doit être vu comme un accumulateur, qui fait
la somme de ses débits entrants et sortants, et fait évoluer la pression en fonction de
cette somme. Autrement dit, pour une somme positive des débits à un instant donné, la
pression augmente et vice-versa.

6.2 Fonctionnement du rail


Les éléments reliés au rail sont la pompe HP (reliée par un tube), les injecteurs (égale-
ments reliés par des tubes) et l’actionneur de décharge. De manière très simple, si le débit
global15 des trois éléments cités précédemment traversant le rail est positif (i.e. la pompe
HP fournit plus de carburant que n’en consomment les injecteurs et l’actionneur de dé-
charge), il y a alors un apport de carburant dans le rail, accompagné d’une augmentation
de pression. A l’opposé, un débit global négatif traversant le rail va diminuer la pression
du carburant.
L’élévation de la pression est fonction de deux paramètres :
15
nous définissons le débit global comme la somme des débits, sachant qu’un débit rentrant dans le rail
est considéré positif et un débit sortant est négatif

73
74 Chapitre 6. Le rail

– le volume du rail : plus il est grand, moins une même variation du débit global a
d’effet sur la pression,
– le coefficient de compressibilité du carburant : il est lui même fonction de la pression
du carburant (plus la pression est élevée, plus le coefficient est grand) et de la
température.
Dans le cadre de notre étude pour le contrôle de la pression d’injection, le rail peut
être vu comme un accumulateur avec un gain d’entrée variable, ce qui le définit comme
un système non-linéaire.

6.3 Modèle du rail


Du point de vue mathématique, le rail réalise l’intégration du débit global, différence
des débits entrants (i.e. pompe HP) et sortants (i.e. injecteurs et HPV). L’équation qui
régit l’évolution de la pression au sein du rail est la suivante :

K (Pr , T )
Ṗr = (Qppe − Qout ) (6.1)
V
où K [Pa] est le coefficient de compressibilité du carburant qui dépend de la pression
rail Pr et de la température T du carburant (fig.6.1) et V [m3 ] est le volume du rail et des
tubes reliant les différents organes au rail. Qppe est le débit instantané de la pompe, i.e.
la somme des débits des plongeurs. Qout est le débit des injecteurs et de l’HPV lorsque
celle-ci est ouverte.

6.4 Discrétisation du modèle


Nous allons à présent discrétiser le modèle du rail selon la période d’échantillonnage
Tpge (eq. 5.34). D’un point de vue physique, l’évolution de la pression de l’instant kTpge à
( k + 1 ) Tpge est fonction de la différence des débits entre ces deux instants.

K (Pk , Tk )
Pk+1 = Pk + (Vppe − Vout ) (6.2)
V
avec Vppe le volume de carburant refoulé par la pompe pendant la période Tpge et Vout
le volume de carburant sortant du rail pendant cette même période.
6.4. Discrétisation du modèle 75

4
x 10
3.5
Coefficient de compressibilité [bar]

2.5

1.5

0.5
120
100
1600
80 1400
1200
60 1000
40 800
600
20 400
200
Température [°C]
Pression [bar]

Fig. 6.1 – Variation du coefficient de compressibilité en fonction de la pression rail et de


la température du carburant
76 Chapitre 6. Le rail
7

L’injecteur

Sommaire
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.2 Modèle non linéaire . . . . . . . . . . . . . . . . . . . . . . . 77
7.3 Analyse d’une simulation . . . . . . . . . . . . . . . . . . . . 80
7.4 Modèle linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . 81

7.1 Introduction
L’injecteur, piloté électroniquement, est capable de délivrer de petites quantités plu-
sieurs fois lors d’une même injection, c’est ce qu’on appelle un schéma d’injection. Celui-ci
est constitué d’une pre-injection qui permet de préparer la combustion, d’une injection
principale et d’une post-injection qui brûle les gaz encore présents dans la chambre de
combustion [13]. La pré-injection comme la post-injection peuvent être elles mêmes dé-
composées en plusieurs injection. Dans le cadre du contrôle de la pression rail, elles inter-
viennent comme des perturbations, puisqu’elles provoquent des variations de débit dans
le rail (c.f. fig. 2.12). Toutefois nous pouvons connaître la quantité de carburant injecté,
cette perturbation est donc mesurable au sens de l’automatique. Le contrôle de la pression
sera donc conçu en tenant compte de cette connaissance pour améliorer les performances.
Le principe général de fonctionnement de l’injecteur est relativement simple, bien
que compliqué à modéliser. Un modèle d’injecteur précis a été développé par l’équipe
simulation de Delphi sous le logiciel AMESim. Notre objectif étant de déterminer un
modèle des injecteurs orienté commande, nous utiliserons les simulations du modèle de
l’injecteur sous AMESim pour valider notre modèle développé dans la thèse.

7.2 Modèle non linéaire


Deux modèles ont été développés pendant les travaux de thèse. Le premier est un
modèle continu permettant de simuler la levée de l’aiguille ainsi que tous les phénomènes
hydrauliques ; le second est un modèle discret orienté commande qui permet de modéliser

77
78 Chapitre 7. L’injecteur

l’injecteur d’un point de vue volumétrique, précisant quelle quantité de carburant a été
injectée entre deux instants sans se préocuper de la manière.
Nous définissons trois débits propres à l’injecteur pour le modéliser.
– Qf , les fuites statiques,
– Qctrl , le débit de contrôle,
– Qcyl , le débit injecté.

Pulse
1
Pulse

0
6.8 7 7.2 7.4 7.6 7.8 8 8.2
Temps [s] −3
x 10

1
Débit de contrôle
0.8 Débit injecté
Débit [l/min]

0.6

0.4

0.2

0
6.8 7 7.2 7.4 7.6 7.8 8 8.2
Temps [s] −3
x 10

Fig. 7.1 – Débits lors d’une injection

La figure 7.1 montre les débits de contrôle et injecté pour une demande donnée. Ainsi,
le débit Qcyl est différent de zéro lorsqu’il y a une injection, le reste du temps l’injecteur
est fermé et aucun débit ne va vers le cylindre. Il en est de même pour le débit de contrôle
Qctrl . En revanche, le débit Qf est présent tout le temps.
Pour mettre facilement en équation le débit de l’injecteur, nous discrétisons les dé-
bits de l’injecteur par la période d’échantillonnage Te telle qu’elle a été définie à l’équa-
tion (5.34). Le système d’injection sur lequel nous travaillons a des caractéristiques telles
que nous avons autant de pompages que d’injections pour un tour moteur. Autrement
dit, pendant l’intervalle de temps Te , il y a une injection comportant un débit injecté
Qcyl et un débit de contrôle Qctrl . Puisque nous avons défini un intervalle de temps, nous
obtenons de ce fait un modèle volumétrique. Ainsi, nous définissons Vcyl et Vctrl respecti-
vement comme le volume injecté dans le cylindre et le volume de contrôle. Le volume des
fuites statiques est tout simplement l’intégration du débit des fuites statiques sur l’inter-
valle Te . Nous pouvons écrire l’équation du volume total de l’injecteur pour une période
7.2. Modèle non linéaire 79

d’échantillonnage comme suit :


Z Te
Vinj = Vcyl + Vctrl + Qf · dt (7.1)
0

Le débit des fuites statiques Qf est fonction de la pression rail (fig. 7.2). Or, lors de

1.8

1.6

1.4

1.2
Débit [l/h]

0.8

0.6

0.4

0.2

0
200 400 600 800 1000 1200 1400 1600
Pression [bar]

Fig. 7.2 – Fuite statique d’un injecteur en fonction de la pression rail

l’intégration du débit Qf , nous ne pouvons pas prendre en compte la variation de la


pression pendant la période d’échantillonnage Te . Nous prennons donc la valeur de la
pression au début de la période d’échantillonnage. L’équation (7.1) s’écrit alors :

Vinj (k) = Vcyl (k) + Vctrl (k) + Qf (Pk ) · Te (7.2)

Le volume Vinj est donc la quantité de carburant qui va sortir du rail via les injecteurs,
entre l’instant k · Te et (k + 1) · Te .
Les fuites statiques de l’injecteur doivent être multipliées par le nombre d’injecteurs
ηi du système. Nous pouvons maintenant intégrer le volume des injecteurs à l’équation
du rail :
K
Pk+1 = Pk + (Vppe (k) − Vcyl (k) − Vctrl (k) − ηi Qf (Pk ) · Te )
V
K K
Pk+1 = Pk − ηi Qf (Pk ) · Te + (Vppe (k) − Vcyl (k) − Vctrl (k))
V V
(7.3)
80 Chapitre 7. L’injecteur

L’équation (7.3) définit le modèle non linéaire mono variable du système d’injection, c’est-
à-dire avec l’actionneur de décharge fermé, dans lequel il faut faut rajouter le transfert
entre la commande de l’IMV Uimv et la sortie de la pompe Vppe pour écrire le modèle
complet.

7.3 Analyse d’une simulation

Nous proposons à la figure 7.3 un résultat de simulation du modèle développé com-


portant l’IMV, la pompe HP, le rail et les injecteurs pour voir l’évolution de la pression
au sein du rail face aux différents débits. Le régime moteur est de 1000 tr/min.

1140
Pression rail

1130
Pression [bar]

1120

1110

1100
0.2 0.25 0.3
Temps [s]

−5
x 10
5
Débit injecteurs
4 Débit pompe
Débit [m3.s−1]

0
0.2 0.25 0.3
Temps [s]

Fig. 7.3 – Forme de la pression rail est des différents débits

Bien que les débits soient discontinus (voir la forme de la pression rail), les volumes
entre chaque période d’échantillonnage Tpge sont identiques. En effet nous constatons que
l’évolution de la pression rail est cyclique. En effet, en prenant un point sur le tracé de la
pression, nous constatons que 30 ms plus tard, nous retrouvons la même valeur. Le signal
vu par le contrôleur est donc stable, ce qui correspond bien au point de fonctionnement
simulé.
7.4. Modèle linéaire 81

7.4 Modèle linéaire


Nous allons à présent calculer le modèle linéaire à partir de l’équation (7.3). Pour
cela, nous calculons le linéarisé tangent du modèle non linéaire. Nous définissons Pk+1

et Vk⋆ comme respectivement la variation de la pression et du débit autour d’un point


de fonctionnement (Pk = P0 , Vk = V0 ). D’après l’équation (7.3), le volume Vk est égal à
Vppe − Vcyl − Vctrl . Nous avons alors :

⋆ ∂Pk+1 ⋆ ∂Pk+1 ⋆
Pk+1 = P + V (7.4)
∂Pk k ∂Vk k
Le premier terme du second membre qui est l’expression analytique du pôle s’écrit :
 
∂Pk+1 ηi Te (Nm ) ∂K(Pk , Tk ) ∂Qf (Pk )
=1− Qf (Pk ) + K(Pk , Tk ) (7.5)
∂Pk V ∂Pk ∂Pk

et le second terme :
∂Pk+1 K(Pk , Tk )
= (7.6)
∂Vk V
La variation du pôle du système rail-injecteurs varie donc selon la pression rail, le régime
moteur et la température du carburant. La figure 7.4 montre l’évolution en fonction de la
pression rail et du régime moteur.

0.99

0.98

0.97
pole

0.96

0.95

0.94

0.93

0.92

0.91
6000
5000 1600
1400
4000 1200
3000 1000
800
Régime moteur [tr/min] 2000 600
1000 400 Pression [bar]
200
0

Fig. 7.4 – Evolution du pôle (eq. (7.5)) du système rail-injecteurs


82 Chapitre 7. L’injecteur
8

L’actionneur de décharge

Sommaire
8.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
8.2 Étude des forces exercées sur l’HPV . . . . . . . . . . . . . 85
8.2.1 Force hydraulique . . . . . . . . . . . . . . . . . . . . . . . 85
8.2.2 Force électromécanique . . . . . . . . . . . . . . . . . . . . 86
8.2.3 Force mécanique . . . . . . . . . . . . . . . . . . . . . . . . 86
8.2.4 Force des efforts de jet . . . . . . . . . . . . . . . . . . . . 87
8.2.5 Viscosité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
8.2.6 Modèle non-linéaire . . . . . . . . . . . . . . . . . . . . . . 88
8.3 Analyse des résultats théoriques . . . . . . . . . . . . . . . 90
8.3.1 Modèle linéaire, formulation générale . . . . . . . . . . . . 90
8.3.2 Linéarisation du modèle de la pression du rail . . . . . . . 90
8.3.3 Linéarisation de l’accélération de la bille . . . . . . . . . . . 92
8.3.4 Modèle linéaire du système rail-HPV . . . . . . . . . . . . 93
8.3.5 Etude du système Rail-HPV (Confidentiel - Delphi) . . . . 94
8.3.6 Principe de fermeture de l’HPV (Confidentiel - Delphi) . . 97

8.1 Présentation
L’HPV permet de contrôler un débit en sortie du rail. Cette fuite de carburant est liée
à plusieurs paramètres, allant des caractéristiques mécaniques (paramètres statiques) à la
pression dans le rail (paramètre dynamique), qui rend l’explication de son fonctionnement
très complexe.
Cette fuite dépend principalement de la section de passage créée par l’HPV. La taille
de la section est déterminée par le positionnement d’une bille par rapport à son assise
conique comme présenté sur la figure 8.1. D’autre paramètres interviennent sur la valeur
du débit comme par exemple la masse volumique du carburant.

83
84 Chapitre 8. L’actionneur de décharge
réservoir bobine

ressort
rail bille masse

bobine

Fig. 8.1 – Structure mécanique de l’HPV

La bille est soumise à des forces qui contribuent à son positionnement. Les différentes
forces qui entrent en jeu dans la dynamique de ce système sont :

- la force électromécanique Fe , qui provient du courant traversant la bobine,


- la force mécanique Fm , qui provient du ressort,
- la force hydraulique Fh , qui provient de la pression du carburant dans le rail,
- la force de jet Fjet , qui provient de la variation de vitesse du fluide au niveau de la bille,
- la viscosité Fv , qui provient des différents frottements, sec et visqueux.
La figure 8.2 montre le synoptique général de l’HPV sur lequel les différentes parties
physiques sont présentées.

Tension Courant Force Position Débit


Vhpv Ihpv xhpv Qhpv
[V ] Bobine [A] Circuit Fe 
P [N]
Système [m] Système [m3 .s−1 ]
Circuit masse
électrique magnétique  ressort hydraulique

Pr force Fh 
P
[Pa] hydraulique 

Pr force Fjet
[Pa] de jet

Fig. 8.2 – Synoptique de l’HPV


8.2. Étude des forces exercées sur l’HPV 85

8.2 Étude des forces exercées sur l’HPV


Nous utilisons le principe fondamental de la dynamique (PFD) comme équation ini-
tiale, le modèle du système sera étendu au fur et mesure que nous rentrerons dans le détail
de l’étude des forces. Le PFD s’écrit :
X
F = m.ẍhpv (8.1)
où :
- F est l’ensemble des forces contribuant au déplacement de la bille [N],
- xhpv est la position de la bille [m],
- ẍhpv est l’accélération de la bille [m2 /s].
L’équation (8.1) est générique à tout système mécanique. Pour l’appliquer au modèle
de l’HPV nous allons étudier toutes les forces citées précédemment. Plusieurs notations
concernant les caractèristiques mécanique de l’HPV vont être utilisées, celles-ci sont pré-
sentées sur la figure 8.3.
Sp

θ
r da db
α

Fig. 8.3 – Structure mécanique de l’HPV

où :
- θ est le demi-angle du cône de l’assise de la bille [rad],
- db est le diamètre de la bille [m],
- da est le diamètre actif de la bille [m],
- Sp est la section de passage du fluide [m2 ],
- α est l’angle entre la droite passant par le centre de la bille et le segment
le plus court partant du centre de la bille jusqu’au cône de l’assise [rad].

8.2.1 Force hydraulique


Elle est due à la pression du rail qui vient s’appliquer sur la surface active de la bille.
Son expression est la suivante :

Fh = Pr .Sa (8.2)
où :
- Fh est la force hydraulique appliquée sur la bille [N],
- Pr est la pression du rail [P a],
- Sa est la surface active de la bille où s’applique la pression [m2 ].
86 Chapitre 8. L’actionneur de décharge

La surface Sa se calcule grâce au diamètre actif da . Ce diamètre est normalement fonc-


tion du déplacement de la bille. Or, compte tenu de l’ordre de grandeur de ce déplacement
(quelques centièmes de millimètre), il peut s’écrire sous la forme d’une constante :

da = db . sin α (8.3)

où :
- da est le diamètre actif [m],
- db est le diamètre de la bille [m],
- α est l’angle représenté sur la figure 8.3.
Dans ce cas l’angle α est alors indépendant de la position et s’écrit :

π
α= −θ (8.4)
2
où θ est l’angle représenté sur la figure 8.3.

La surface active de la bille devient :

d2a π
Sa = π · = · d2b · sin2 α (8.5)
4 4

8.2.2 Force électromécanique


Au même titre que l’étude faite sur les formes polaires pour l’IMV , la force électro-
mécanique de l’HPV Fe est considérée comme proportionnelle à la constante Kihpv dans
toute sa plage de fonctionnement.

Fe = Kihpv · Ihpv (8.6)

8.2.3 Force mécanique


Le ressort applique une force opposée à celle de la pression et proportionnelle au
déplacement de la bille. D’autre part, lorsque l’HPV est complètement fermée, le ressort
est déjà comprimé et présente une force de pré-charge. Cette force initiale implique qu’une
pression minimale dans le rail est nécessaire pour que l’HPV commence à s’ouvrir (si un
courant nul est appliqué). Sa formulation est la suivante :

Fr = Kr · xhpv + F0 (8.7)

où :
- Fr est la force créée par le ressort [N],
- Kr est la raideur du ressort [N/m],
- F0 est la force de pré-charge [N].
8.2. Étude des forces exercées sur l’HPV 87

8.2.4 Force des efforts de jet


Les efforts de jet [7] sont créés par un phénomène d’aspiration dû à la variation de la
vitesse du fluide au niveau de la bille et a pour conséquence de ramener la bille dans son
assise. Elle a donc la même direction que celle du ressort. L’équation donnant les efforts
de jet est la suivante :

Fjet = 2 · Cq (xhpv , Pr ) · Sp (xhpv ) · cos(θ) · △P (8.8)


où :

– Cq est le coefficient de perte de charge [SU 16 ],


– Sp (xhpv ) est la section de passage du fluide, fonction de la position de la bille [m2 ],
– △P est l’écart des pressions en amont (rail) et en aval (réservoir) de l’HPV [P a],
– θ est l’angle de jet [rad].
Le coefficient Cq [7] varie selon la position de la bille et de l’écart de pression △P . Il
s’écrit :
 
∞ 2·λ
Cq = Cq · tanh (8.9)
λcrit
avec :
- Cq∞ , la valeur maximale du coefficient de débit Cq [SU],
- λ, la valeur du flow number [SU],
- λcrit , la valeur critique du flow number [SU].
Le flow number se calcule comme suit :
s
hd 2· | △P |
λ= · (8.10)
υ ρ
où :
- hd est le diamètre hydraulique [m],
- υ est la viscosité due aux frottements visqueux du fluide [N/m/s],
- ρ est la masse volumique du fluide [m3 /kg].
Le diamètre hydraulique est fonction de la position de la bille et peut se simplifier,
compte tenu des ordres de grandeur des valeurs, et donne alors :

hd = 2 · cos α · xhpv (8.11)


La section de passage est fonction de la position de la bille et s’écrit :

Sp (xhpv ) = π · xhpv · (db + xhpv · cos(α)) · sin(α) · cos(α) (8.12)


La course de la bille étant très petite par rapport à son diamètre, nous pouvons négliger
xhpv ·cos(α) (eq. (8.12)). De même, la variation de la position est très faible, ce qui implique
que l’angle α peut être considéré constant et fonction du demi-angle de l’assise (eq. 8.4).
La section de passage s’écrit alors :
16
Sans Unité
88 Chapitre 8. L’actionneur de décharge

π  π 
Sp (xhpv ) = π · db · sin − θ · cos − θ · xhpv (8.13)
2 2
On pose :
π  π 
Ks = π · db · sin − θ · cos −θ (8.14)
2 2
D’où :

Sp (x) = Ks · xhpv (8.15)


D’autre part, △P correspond à l’écart de pression du fluide entre le rail et le réservoir.
Or la pression dans le réservoir est celle de l’atmosphère, donc très faible par rapport à la
pression du rail. Ainsi dans la suite de l’étude, le terme △P sera remplacé par la pression
du rail Pr .
L’équation (8.8) s’écrit ainsi :

 q 
2·cos(α)·xhpv 2·|Pr |
2· υ
· ρ
Fjet = 2 · Cq∞ · tanh   · Ks · cos(θ) · Pr · xhpv (8.16)
λcrit

8.2.5 Viscosité
L’effort dû à la viscosité s’écrit :

Fv = B + υ(Pr ) · ẋhpv (8.17)


où :

- B est la force due aux frottements secs [N],


- υ est la viscosité due aux frottements visqueux [N/m/s],
- ẋhpv est la vitesse de la bille [m/s].

8.2.6 Modèle non-linéaire


Nous allons maintenant réécrire l’équation (8.1), concernant la dynamique du système,
en détaillant l’ensemble des forces. Ceci donne l’équation de la dynamique suivante :

Fh − Fr − Fe − Fjet − Fv = m · ẍhpv (8.18)


ou encore :

Pr · Sa − Fe − F0 − Kr · xhpv − 2 · Cq · Ks · cos(θ) · Pr · xhpv − B − υ · ẋhpv = m · ẍhpv (8.19)

Pour continuer l’étude, il faut à présent utiliser le modèle du rail, qui va permettre de
compléter l’équation précédente.
8.2. Étude des forces exercées sur l’HPV 89

L’équation du rail connecté à l’HPV est la suivante :

K
P˙r = · (Qin − Qhpv − Sa · ẋhpv ) (8.20)
V

où :
- K est le coefficient de compressibilité du fluide [P a],
- V est le volume du rail [m3 ],
- Qin est le débit entrant dans le rail [m3 /s],
- Qhpv est le débit sortant du rail par l’HPV [m3 /s],
- Sa est la surface active de la bille [m2 ].
Le comportement dynamique de l’HPV donne la vitesse et la position de la bille mais
en aucun cas le débit du fluide qui le traverse. Ce débit s’écrit selon l’équation de Bernoulli
[7] comme suit :
s
2 · Pr
Qhpv = Cq (xhpv , Pr ) · Sp (xhpv ) · (8.21)
ρ(Pr )

Soit :
q
2·cos(α)·xhpv
 
2·Pr
2· ·
s
υ(xhpv ) ρ(Pr ) 2 · Pr
Qhpv = Cq∞ · tanh   · Ks · xhpv · (8.22)
λcrit ρ(Pr )

On pose :
– x1 = xhpv , position de la bille,
– x2 = ẋhpv , vitesse de la bille.
Nous pouvons alors écrire le modèle non-linéaire du système rail/HPV sous la forme
d’état suivante :

K
   
Ṗr V
· (Qin − Qhpv − Sa · x2 )
 x˙1  =  x2  (8.23)
1
x˙2 m
· (Fh − Fr − Fe − Fjet − Fv )

La représentation d’état avec les valeurs littérales développées donne :

   2·cos(α)·x1 q 2·Pr   
2· υ(P ) · ρ(P ) q
P˙r K ∞ 2·Pr
 
 V
· Qin − Cq · tanh r
λcrit
r
· Ks · x1 · ρ(Pr ) − Sa · x2 
 x˙1  =  
 x2 
x˙2 υ(Pr ) F0
− m2 · Cq (x1 , Pr ) · Ks · cos(θ) · Pr · x1 − Kr
m
· x1 − B
m
− m
· x2 + Sa
m
· Pr − Fme − m
(8.24)
avec comme entrées de commande Qin et Fe .
90 Chapitre 8. L’actionneur de décharge

8.3 Analyse des résultats théoriques


8.3.1 Modèle linéaire, formulation générale
Le principe de la linéarisation est d’obtenir une représentation linéaire du système non
linéaire autour du point de fonctionnement du système. La figure 8.4 illustre le principe
avec u0 et y0 représentant le point de fonctionnement et u⋆ et y ⋆ les variations autour de
ce point de fonctionnement (u = u0 + u⋆ , y = y0 + y ⋆ ).

u y
NL

u0 y0
 ⋆ 
u u y⋆ y
 L 

Fig. 8.4 – Linéarisation d’un système non linéaire

La formule permmettant de calculer le linéarisé tangent est la suivante :

  ∂ P˙r ∂ P˙r
    
˙ ∂ P˙r ∂ P˙r ∂ P˙r ∗

Pr ∗ P ∂Qin ∂Fe
  r∗   Q∗in
∂Pr ∂x1 ∂x2
 
 x˙∗1  =  ∂ x˙1 ∂ x˙1 ∂ x˙1
· x1 + ∂ x˙1 ∂ x˙1
·

(8.25)
∂Pr ∂x1 ∂x2 ∂Qin ∂Fe Fe∗
 
x˙∗2 ∂ x˙2
∂Pr
∂ x˙2
∂x1
∂ x˙2
∂x2
x2∗ ∂ x˙2
∂Qin
∂ x˙2
∂Fe

Les dérivés partielles sont appliquées à l’équilibre (i.e. Pr = Pr0 , x1 = x01 , x2 = x02 ,
Qin = Q0in et Fe = Fe0 ). Afin de simplifier l’écriture des linéarisés tangent qui suivent nous
ne préciserons pas le point d’équilibre.

8.3.2 Linéarisation du modèle de la pression du rail


En substituant la première ligne de l’équation (8.23), nous obtenons la formule mathé-
matique qui définit le comportement de la pression. En se rapportant à l’équation (8.25),
nous pouvons alors calculer le linéarisé tangent de la dérivée de la pression.

 
1 ∂K ∂Qhpv K ∂Qhpv ⋆ K K
P˙r⋆ = − Qhpv + K P⋆ + x1 − Sa x⋆2 + Q⋆in (8.26)
V ∂Pr ∂Pr V ∂x1 V V
Le débit Qin est l’ensemble des débits entrant et sortant du rail, c’est-à-dire le débit de
la pompe Qppe etP les débits des injecteurs Qcyl , Qctrl et ηi Qf . Afin d’alléger les équations
nous définissons Q = Qppe − Qcyl − Qctrl .
Nous posons également :
8.3. Analyse des résultats théoriques 91

∂Qhpv
– K1 = ∂x1
,
∂Qhpv
– K2 = ∂Pr
.
L’équation (8.26) se réécrit comme :

 
˙ 1 ∂K K K

Pr = − Qhpv + KK2 P ⋆ + K1 x⋆1 − Sa x⋆2 −
V ∂Pr V V
 
ηi ∂K ∂Qf K  X  ⋆
Qf + K P⋆ + Q
V ∂Pr ∂P V
(8.27)

L’objectif à présent est le calcul des gains K1 et K2 qui sont fonctions de la pression
Pr0 et de la position x01 d’équilibre. En utilisant l’expression (8.21) de Qhpv , les gains sont
alors :
s  
2 · Pr ∂Cq (x1 , Pr )
K1 = Ks · · · x1 + Cq (x1 , Pr ) (8.28)
ρ(Pr ) ∂x1
 s ! s 
d(ρ(Pr ))
∂Cq (x1 , Pr ) 2 · Pr 2 · ρ(Pr ) − 2 · Pr · dPr ρ(Pr ) 
K2 = Ks ·x1  · + Cq (x1 , Pr ) · 0, 5 · ·
∂Pr ρ(Pr ) ρ2 (P r) 2 · Pr
(8.29)

  q
dU (x) (x)
·V (x)−U (x)· dVdx
q 
U (x)
rappel : d
dx V (x)
= 1
2
· dx
2
V (x)
· VU (x)
(x)

La dérivée de la masse volumique en fonction de la pression Pr se calcule facilement.


Le calcul de ∂Cq∂x
(x1 ,Pr )
1
et de ∂Cq∂P
(x1 ,Pr )
r
est expliqué ci-dessous.

Tout d’abord posons :

∂Cq (x1 , Pr )
K1cq =
∂x1
∂Cq (x1 , Pr )
K2cq =
∂Pr
Ainsi les calculs des gains qui permettent d’obtenir la valeur du coefficient Cq pour un
point de fonctionnement sont :

q
2·cos(α) 2·Pr
Cq∞ 2· υ(Pr )
· ρ(Pr )
K1cq = q · (8.30)
2·cos(α)·x1
λcrit
 2·Pr
2 2· υ(Pr )
· ρ(Pr )
cosh λcrit
92 Chapitre 8. L’actionneur de décharge

d(tanh(u(x))) 1 du(x)
rappel : dx
= cosh2 (u(x))
· dx

 √

2·P
√r
d
Cq∞ υ(Pr )· ρ(Pr )
K2cq =  √
· (8.31)
2 2·cos(α)·x1 2·P dPr
cosh 2· λcrit
· √r
υ(Pr )· ρ(Pr )

Où :


 √

d 2·P
√r √
d 2·Pr
p √ dυ(Pr )
p d ρ(Pr )
υ(Pr )· ρ(P r) dPr
· υ(Pr ) · ρ(Pr ) − 2 · Pr · dPr
· ρ(Pr ) + υ(Pr ) · dPr
=
dPr υ 2(Pr ) · ρ(Pr )
(8.32)
L’équation (8.27) peut maintenant être calculée via les quatre coefficients K1cq , K2cq ,
K1 et K2 , ce qui nous donne la première ligne de la repésentation d’état du système
rail/HPV.

8.3.3 Linéarisation de l’accélération de la bille


Nous nous intéressons ici à la dernière ligne de l’équation (8.23) en effectuant les calculs
tels qu’ils sont présentés à l’équation (8.25). En se rapportant à l’équation (8.24) nous
pouvons écrire rapidement le linéarisé tangent de l’accélération de la bille comme suit :

    
1 ∂Fh ∂Fjet ∂Fv ∂Fr ∂Fjet ∂Fv ⋆
x˙∗2 = · − − P − ⋆
+ x⋆1 − x − Fe (8.33)
m ∂Pr ∂Pr ∂Pr ∂x1 ∂x1 ∂x2 2

Posons :
∂F
– Kj = ∂xjet1
, assimilable à une raideur [N/m/s],
∂Fjet
– Sj = ∂Pr , assimilable à une section [m2 ],
– Kv = ∂F
∂x2
v
,
∂Fv
– Sv = ∂Pr .
Ceci donne alors :
    
˙ 1 dFh ⋆ dFr ⋆ ⋆

x2 = · − Sj − Sv P − + Kj x1 − Kv x2 − Fe (8.34)
m dPr dx1

Le calcul des deux autres dérivées est trivial et n’est pas développé. Pour le calcul de
Kj , rappelons l’équation (8.8) donnant la formule des efforts de jet

Fjet = 2 · Cq (x1 , Pr ) · Ks · x1 · cos(θ) · Pr (8.35)


8.3. Analyse des résultats théoriques 93

Les coefficients Kj et Sj s’écrivent donc :


 
∂Cq (x1 , Pr )
Kj = 2 · Ks · cos(θ) · Pr · · x1 + Cq (x1 , Pr ) (8.36)
∂x1
 
∂Cq (x1 , Pr )
Sj = 2 · Ks · x1 · cos(θ) · Pr + Cq (x1 , P r) (8.37)
∂Pr
Soit d’après l‘équation (8.30) :

Kj = 2 · Ks · cos(θ) · Pr · [K1cq · x1 + Cq (x1 , Pr )] (8.38)

Sj = 2 · Ks · x1 · cos(θ) [K2cq · Pr + Cq (x1 , P r)] (8.39)


Il reste maintenant à calculer les deux derniers coefficients Kv et Sv . En faisant réfé-
rence à l’équation (8.17), il vient alors :

Kv = υ(Pr ) (8.40)

dυ(Pr )
Sv = x2 · (8.41)
dPr

8.3.4 Modèle linéaire du système rail-HPV


Les différents calculs précédemment effectués, et appliqués à la structure de l’équa-
tion (8.25) permettent d’obtenir le modèle linéaire du système rail/HPV suivant :

P˙r⋆ − K·K − K·S


    ⋆   K 
A11 V
1
V
a
Pr V
0  P 
 x˙⋆1  =  ⋆ Q
0 0 1  · x1 + 0
   0  · (8.42)
Sa −Sj −Sv Kr +Kj Fe
x˙⋆2 m
− m −m Kv x⋆
2 0 − 1
m
  
∂Qhpv ∂Qf
où A11 = − V1 ∂P ∂K
r
Qhpv + K ∂Pr
+ η ∂K
Q
i ∂Pr f + K ∂Pr
Les variations du modèle (en fonction de la pression rail) sont tracées jusqu’à 1000
rad.s−1 (fig. 8.5), correspondant en discret, à une période d’échantillonnage de l’ordre de
3.5 ms, ce qui est en dessous de la période d’échantillonnage maximale (≈ 5 ms). Nous
constatons que dans cette plage de fréquence (0-600 rad/s), le comportement du système
ne change quasiment pas.
9

Modélisation LFT

Sommaire
9.1 Modèles linéaires à paramètres variables (LPV) . . . . . . 101
9.2 Transformation linéaire fractionnelle (LFT) . . . . . . . . 102
9.3 Représentation LFT d’un système linéaire . . . . . . . . . 103
9.4 Extraction d’un coefficient variable sous forme LFT . . . 104
9.5 Ecriture du modèle LFT du système Common Rail . . . . 106

9.1 Modèles linéaires à paramètres variables (LPV)


Les systèmes que nous rencontrons dans la nature sont très souvent non-linéaires.
Leur comportement dynamique évolue en fonction d’une ou de plusieurs variables. Celles-
ci peuvent être extérieures au système, nous disons qu’elles sont exogènes, ou bien propres
au système, nous disons alors qu’elle sont endogènes.
Pour modéliser de tels systèmes par un comportement linéaire invariant, il faut figer les
variables exogènes pour toujours obtenir la même réponse du système, et dans le cas des
variables endogènes, faire en sorte que les sollicitations faites sur le système ne provoquent
pas de changement du comportement dynamique dû à de trop grandes variations de ces
variables. Le modèle linéaire n’est donc valable que pour un point de fonctionnement
donné ; plus le modèle s’en éloigne, plus son comportement s’éloigne de celui du système.
Les modèles LPV [21, 17, 4] décrivent le comportement linéaire en fonction des va-
riables qui modifient la réponse du système. Si le modèle contient des variables endogènes,
il s’agit d’un modèle quasi-LPV.
Les systèmes LPV peuvent être définis sous forme d’une représentation d’état dont
les matrices dépendent du vecteur θ, qui constitue l’ensemble des paramètres variants
eq. (9.1). 
ẋ(t) = A (θ(t)) · x(t) + B (θ(t)) · u(t)
(9.1)
y(t) = C (θ(t)) · x(t) + D (θ(t)) · u(t)
Il est facile de voir que si le vecteur θ est figé, alors les matrices A, B, C et D sont
constantes, et le système (9.1) devient alors linéaire invariant. La modélisation LPV d’un
système non-linéaire permet donc de suivre l’évolution du comportement linéaire.

101
102 Chapitre 9. Modélisation LFT

L’objectif de cette modélisation est de synthétiser un contrôleur qui dépendra des


mêmes paramètres variants. Nous définirons ainsi un contrôleur LPV qui permettra d’adap-
ter la loi de commande en fonction du point de fonctionnement. Les variables, qu’elles
soient exogènes ou endogènes, doivent être mesurables afin de connaître l’état du système.
Si cela n’est pas possible, il faudra prendre en compte dans la robustesse du contrôleur,
la plage de variation du modèle afin de garantir la stabilité en boucle fermée.

9.2 Transformation linéaire fractionnelle (LFT)


La représentation LFT18 est largement employée dans l’étude des incertitudes. Un
modèle LFT se résume par l’interconnection du système M par le bloc ∆, soit par le haut,
soit par le bas. Nous définissons respectivement les fonctions Fu (M, .) pour le bouclage
par le haut, soit upper LFT , et Fl (M, .) pour le bouclage par le bas, soit lower LFT.
En définissant M comme suit :
 
M11 M12
M= , M ∈ ℜ(p1 +p2 )×(q1 +q2 ) (9.2)
M21 M22

la fonction Fu s’écrit de la manière suivante :


u y
∆ w M q

w q
u M y ∆
upper LFT Lower LFT

Fig. 9.1 – Représentation LFT


 q = M11 · w + M12 · u
y = M21 · w + M22 · u (9.3)
w = ∆·q


y = M21 · w + M22 · u
(9.4)
w = ∆ · M11 · w + ∆ · M12 · u

y = M21 · w + M22 · u
(9.5)
w = (I − ∆ · M11 )−1 ∆ · M12 · u

D1 → ℜp1 ×q1

Fu (M, ∆1 ) (9.6)
∆1 7→ Fu (M, ∆1 ) = M22 + M21 ∆1 (I − M11 ∆1 )−1 M12
18
vient du terme anglais Linear Fractional Transformation
9.3. Représentation LFT d’un système linéaire 103

sur le domaine :

D1 = ∆1 ∈ ℜq1 ×p1 , det (I − M11 ∆1 ) 6= 0



(9.7)

de façon analogue, nous obtenons pour la fonction Fl :


D2 → ℜp2 ×q2

Fl (M, ∆2 ) (9.8)
∆2 7→ Fl (M, ∆2 ) = M11 + M12 ∆2 (I − M22 ∆2 )−1 M21
sur le domaine :

D2 = ∆2 ∈ ℜq2 ×p2 , det (I − M22 ∆2 ) 6= 0



(9.9)

9.3 Représentation LFT d’un système linéaire


Les sytèmes linéaires mis sous forme de représentation d’état telle que présentés à
l’équation (9.10) 
ẋ = A · x + B · u
(9.10)
y = C ·x + D·u
ou encore sous forme matricielle :
    
ẋ A B x
= (9.11)
y C D u
peuvent
 facilement
 se schématiser par l’interconnexion par le haut entre la matrice
A B
M= et le bloc In 1s , où n est égal au nombre d’états (fig. 9.2). Compte tenu de
C D

In 1s

ẋ x
A B
y C D u

Fig. 9.2 – Forme LFT d’un système linéaire sous forme de représentation d’état

la forme de l’interconnexion de la figure 9.2, nous en déduisons que le transfert de l’entrée


u vers la sortie y est défini par l’interconnexion par le haut telle que définie en (9.6) :

(9.12)
 −1
1 1 1
Fu (S, In ) = D + C In − A B
s s s
= D + C (sIn − A)−1 B = M(s)
104 Chapitre 9. Modélisation LFT

9.4 Extraction d’un coefficient variable sous forme LFT


Nous définissons un gain variable Gv , ayant respectivement comme entrée et sortie les
signaux u et y, tel que défini à l’équation (9.13).

y = Gv · u (9.13)

Dans la mesure où Gv est borné par une valeur minimale et maximale, nous pouvons
définir la valeur nominale G0 équidistante des deux extrema, et la valeur Ga , pouvant être
interprétée comme une amplitude qui permet d’atteindre les deux valeurs extrêmes de Gv
à partir de la valeur nominale. Nous définissons une variable ∆G variant entre −1 et 1,
qui permet de moduler la valeur Ga . Finalement, le gain Gv s’écrit comme suit :

Gv = G0 + ∆G · Ga (9.14)

La figure 9.3 résume graphiquement l’écriture du gain variable. On pose q = Ga u et

q w
Ga ∆G


y
P
u G0


u Gv y

Fig. 9.3 – Représentation LFT d’un gain variable

w = ∆G q et nous effectuons l’extraction de la variable ∆G par rapport au reste du gain


comme cela est présenté à la figure 9.4.
Le système ainsi obtenu est le suivant :
    
q 0 Ga w
= (9.15)
y 1 G0 u

avec w = ∆G q. Sur un système complet tel que celui de la pression rail, il suffit de
localiser les différents gains variables, de les extraire du système ce qui a pour conséquence
d’augmenter autant de fois le nombre d’entrée sortie du système qu’il y a de gain variable,
et ensuite réunir en bloc diagonal l’ensemble des gains variables. La figure 9.5 résume ces
différentes étapes. Nous avons utilisée cette méthodologie pour obtenir le modèle LFT du
système Common Rail, présenté dans la section suivante avec l’application au modèle du
rail uniquement.
9.4. Extraction d’un coefficient variable sous forme LFT 105

∆G ∆G
q w
w q
Ga Ga

 
y u y
P P
u G0 G0
 

Fig. 9.4 – Mise sous forme LFT d’un gain variable

δ2 δ1
u 1 y
s

1
s δi

1/ δ1
δ2
δ2
δ1 δi

1
u s y

1 M(s)
s u y

δi 3/
2/

Fig. 9.5 – Extraction des paramètres variables pour une mise sous forme LFT : 1/ loca-
lisation des paramètres variants, 2/ extraction, 3/ écriture du modèle LFT
106 Chapitre 9. Modélisation LFT

9.5 Ecriture du modèle LFT du système Common Rail


Nous présentons dans cette partie la méthodologie employée pour obtenir le modèle
LFT du système Common Rail. Nous ne présenterons pas les équations de modèle obtenu,
car celle-ci sont complexes, et n’apportent aucun élément intéressant.
Nous partons du modèle non-linéaire précédemment développé, défini comme suit :

ẋ = F (P, Nm , Ximv , T, x, u)
(9.16)
y = G (P, Nm , Ximv , T, x, u)

où x ∈ ℜ9 , y ∈ ℜ est la pression rail et u ∈ ℜ est la commande Uimv dans le cas où l’HPV


est fermée ou u ∈ ℜ2 est le vecteur de commande [Uimv ; Uhpv ] dans le cas où l’HPV est
ouverte.
L’équation (9.16) décrit le comportement du système en fonction des différentes va-
riables, qu’elles soient endogènes, comme la pression Pr , ou exogènes, comme le régime
moteur Nm .
À partir du modèle non-linéaire (9.16), le linéarisé tangent (eq. (9.17)) définit le com-
portement linéaire en fonction des variables Pr ,Nm ,Ximv et T .

ẋ = ∂F · x⋆ + ∂F
 ⋆
· u⋆
x
∂G
u
∂G (9.17)

y = x · x + u · u⋆

soit
ẋ⋆ = A (Pr , Nm , Ximv , T ) · x⋆ + B (Pr , Nm , Ximv , T ) · u⋆

(9.18)
y ⋆ = C (Pr , Nm , Ximv , T ) · x⋆ + D (Pr , Nm , Ximv , T ) · u⋆
Le modèle est quasi-LPV car la matrice A dépend de la pression Pr qui est une variable
d’état. Si nous figeons les paramètres Pr ,Nm ,Ximv et T , les quatre matrices A, B, C et D
du système (9.18) sont constantes et nous avons alors une représentation d’état classique
d’un système linéaire.
Le modèle linéaire (9.18) peut être utilisé pour faire la synthèse de contrôleur, comme
un PID, autour d’un point de fonctionnement. Ce travail est présenté dans la partie mise
oeuvre où nous montrons à la fois une comparaison entre le modèle identifié sur véhicule
et le modèle linéaire théorique, ainsi que les résultats de contrôle en boucle fermée, à
partir d’une calibration des correcteurs issue des modèles théoriques.
Pour représenter à présent le modèle LPV (9.18) du système Common Rail sous forme
LFT, il faut extraire les paramètres variants comme cela a été présenté précédemment.
Puisque nous souhaitons montrer comment le modèle LFT est construit, nous n’allons faire
l’extraction des paramètres variants que sur la partie du modèle du rail lorque l’HPV est
fermée.
Rappel : le modèle du rail est défini comme suit :
K
Ṗr = (Qppe − Qf ) (9.19)
V
Pour effectuer le passage en temps discret, nous choisissons l’approximation suivante (mé-
thode du rectangle inférieur) :
1 z −1
≡ Te (9.20)
s 1 − z −1
9.5. Ecriture du modèle LFT du système Common Rail 107

Le modèle du rail en temps discret s’écrit alors :


z −1 K
Pr (k) = Te (Qppe (k) − Qf (k)) (9.21)
1 − z −1 V
où le coefficient de compressibilité K est fonction de la pression Pr et de la température
du carburant T , la période d’échantillonnage Te est fonction du régime moteur, et les
fuites statiques des injecteurs Qf sont également fonctions de la pression Pr . Finalement,
le modèle linéarisé tangent s’écrit comme suit :
  
⋆ Te ∂K ∂Qf Te K
Pr (k + 1) = 1− Qf + K · Pr⋆ (k) + · Qppe (k)
V ∂Pr ∂Pr V
Pr⋆ (k + 1) = A (Pr , Nm , T ) · Pr⋆(k) + B (Pr , Nm , T ) · Qppe (k)
(9.22)
L’équation (9.22) montre que le temps de réponse et le gain du rail sont fonctions de
trois paramètres qui sont la pression, le régime moteur et la température du carburant.
La figure 9.6 représente le schèma-bloc du modèle du rail.

Qppe Pk
z −1
P
B (P, Nm , T )


A (P, Nm , T )

Fig. 9.6 – Représentation graphique du modèle LPV du rail

Pour extraire la partie variable des coefficients A et B, nous définissons les gains
comme une partie nominale à laquelle s’ajoute une partie variable (positive ou négative)
permettant de balayer ainsi toutes les valeurs possibles des coefficients (9.23).

A = δA0 + ∆A · δA
B = δB0 + ∆B · δB
(9.23)
où δA0 et δB0 sont respectivement les valeurs nominales des gains A et B, δA et δB les
amplitudes des deux gains afin d’atteindre les valeurs minimales et maximales à partir de
la valeur nominale. La valeur nominale est donc au centre des deux valeurs extrêmes, et
les variables ∆A et ∆B varient entre −1 et 1. Les valeurs nominales et les amplitudes se
calculent très facilement par :
max (x) + min (x)
δx0 =
2
max (x) − min (x)
δx =
2
(9.24)
108 Chapitre 9. Modélisation LFT

avec x = A ou B.
Le schéma de la figure 9.6 peut donc être représenté différement en prenant en compte
l’écriture des gains comme (9.23). Il est à présent très facile d’extraire les variables δA et

qB wB
δB ∆B

Qppe Pk
z −1
P P
δB0



P
δA0


wA ∆A qA δA

Fig. 9.7 – Représentation graphique du modèle LPV du rail

δB . Pour cela il suffit de définir qA et qB comme de nouvelles sorties du système et wA et


wB de nouvelles entrées. La forme LFT du système est alors obtenue en suivant les étapes
données sur les figures 9.8 et 9.9.

∆B
qB wB

δB

Qppe Pk+1 Pk
z −1
P P
δB0



P
δA0


δA
wA qA
∆A

Fig. 9.8 – Extraction des paramètres variants

Le calcul du modèle LFT du rail se fait donc à partir de la figure 9.8 et donne le
9.5. Ecriture du modèle LFT du système Common Rail 109

résultat suivant :
    
Pk+1 δA0 1 1 δB0 Pk
 qB   0 0 0 δB   wA
  
 qA  =  δA
    (9.25)
0 0 0   wB 
yk 1 0 0 0 Qppe

 
∆A 0
0 ∆B

qA wA

qB wB
RAIL
Pk Qppe

Fig. 9.9 – Modèle LFT du rail


 
∆A 0
La norme de est inférieure ou égale à 1. Cette caractéristique sera utilisée
0 ∆B
lors de la synthèse du contrôleur avec l’utilisation plus tard du théorème du petit gain.
En appliquant cette méthodologie à l’ensemble du modèle du système Common Rail,
nous obtenons alors le modèle LFT. Le modèle monovariable (i.e. une entrée de com-
mande : l’IMV et une sortie : la pression rail) est constitué de 7 états (fig. 9.10) : 3 états
proviennent du modèle de l’IMV (courant traversant la bobine, position et vitesse de la
masse mobile), 3 états proviennent du modèle de la pompe relatifs aux différents volumes
de pompage et enfin 1 état provient du modèle du rail relatif à la pression du carburant.
Le modèle multivariable (i.e. deux entrées de commande : l’IMV et l’HPV et une sor-
tie : la pression rail) est constitué de 10 états (fig. 9.11). Les trois états supplémentaires
proviennent du modèle de l’HPV (courant traversant la bobine, position et vitesse de la
masse mobile). Parmis les paramètres variants l’un d’entre eux n’est pas mesurable, il
s’agit de la position de l’IMV. Le contrôleur ne pourra donc pas prendre en compte ce
paramètre et devra de ce fait être robuste vis-à-vis de ses variations.
110 Chapitre 9. Modélisation LFT

Régime moteur
Température
Régime moteur Pression

Qppe
Uimv IMV Qimv Pompe HP Rail Pression
3 états 3 états rail
1 état

pulse Injecteurs Qinj

Fig. 9.10 – modèle monovariable

Régime moteur
Température
Régime moteur Pression

Qppe
Uimv IMV Qimv Pompe HP Rail Pression
3 états 3 états rail
1 état

pulse Injecteurs
Qinj

HPV
Uhpv
3 états Qhpv

Régime moteur

Fig. 9.11 – modèle multivariable


Troisième partie

Commandes

111
10

Stratégies de commande

Sommaire
10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
10.2 Stratégie de commande monovariable . . . . . . . . . . . . 113
10.3 Ouverture de l’HPV : passage en mode multivariable . . 114
10.4 Stratégie de commande multivariable (Confidentiel - Del-
phi) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
10.4.1 Fermeture de l’HPV : passage en mode monovariable . . . 117
10.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

10.1 Introduction
Nous présentons dans ce chapitre la stratégie globale du contrôle de la pression, en
déclinant les différents modes qui la composent. Ces modes définissent la structure du
contrôle pour chaque état du système. Parmi les quatre modes, deux définissent la struc-
ture du contrôle du système lorsque l’état du système est stable, i.e. HPV ouverte et HPV
fermée, les deux autres sont les modes de transition qui permettent de passer d’un état
stable à un autre.

10.2 Stratégie de commande monovariable


Dans ce mode de contrôle, seule l’IMV contrôle la pression tandis que l’HPV doit être
maintenue fermée. Nous restons dans ce mode de contrôle tant que les variations négatives
du débit de la pompe peuvent être suffisantes pour faire chuter la pression rail afin de
suivre la demande. Dans le cas contraire l’HPV doit être ouverte.
Le schéma de contrôle choisi est présenté à la figure 10.1. Les deux contrôleurs Kprail
imv
et
hpv
Kcrt sont respectivement le contrôleur de pression sur l’IMV qui doit suivre la référence
de pression rail Pdmnd et le contrôleur de courant de l’HPV. Ce dernier doit garantir que
l’HPV reste fermée.

113
114 Chapitre 10. Stratégies de commande

Pdmnd
imv Uimv
Kprail
Prail Prail
Système d’injection

Idmnd Common Rail Ihpv


hpv Uhpv
Kcrt
Ihpv

Fig. 10.1 – Architecture de la commande monovariable

Pour respecter les contraintes de minimisation de la consommation d’énergie, le cou-


rant appliqué à l’HPV est fonction de la pression. Nous déterminons une demande de
courant Idmnd fonction de la pression rail. Plus la pression est élevée plus le courant doit
être fort et vice versa. En effet, pour que l’HPV soit maintenue fermée, la force électroma-
gnétique Fe (eq. (8.6)) de l’HPV doit être supérieure à la force hydraulique Fh (eq. (8.2)).
hpv
Le contrôleur Kcrt permet de garantir que le courant demandé, assurant le maintien de
l’HPV fermée, traverse bien l’actionneur malgré d’une part les variations de la résistance
de l’HPV en fonction de la température, et d’autre part des dispersions de la résistance
d’une pièce à l’autre.

10.3 Ouverture de l’HPV : passage en mode multiva-


riable
L’utilisation de l’HPV est nécessaire lorsque la baisse du débit de la pompe n’est pas
suffisante pour suivre la référence de pression.
Par exemple, dans le cas extrême où le conducteur retire brutalement le pied de l’accé-
lérateur (ce que nous appelons un lâcher de pied), la pression dans le rail est élevée, et la
demande de pression chute brutalement, tandis que la demande d’injection devient nulle.
Dans ce cas, puisque le débit de la pompe vis-à-vis du rail ne peut être que positif, il n’est
pas possible de faire chuter suffisamment la pression pour suivre la demande. L’ouverture
de l’HPV est donc nécessaire pour créer un débit négatif.
Pour réaliser l’ouverture de l’actionneur de décharge (fig. 10.2), le contrôle de la pres-
sion par l’IMV est maintenu et l’initialisation de la commande de l’HPV est effectuée en
boucle ouverte. Cette valeur d’initialisation est issue d’une cartographie, fonction de plu-
sieurs paramètres tels que le débit de la pompe et la pression du carburant entre autres.
hpv
Le contrôleur de pression Kprail du mode multivariable sera initialisé avec cette valeur.
118 Chapitre 10. Stratégies de commande

10.5 Conclusion
Nous venons de présenter l’ensemble des stratégies qui vont permettre de contrôler la
pression, en autorisant l’ouverture et la fermeture de l’actionneur de décharge.
imv
Nous dénombrons trois contrôleurs, Kprail contrôle la pression par l’IMV lorsque l’HPV
hpv hpv
est fermée, Kcrt qui contrôle le courant de l’HPV, et Kprail qui contrôle la pression par
l’HPV.
Certains modes de fonctionnement particuliers n’ont pas été présentés. Néanmoins,
nous listons ici la liste exhaustive des contrôleurs qui seront intégrés dans l’ECU pour
réaliser le contrôle de la pression pour le fonctionnement global du système :
– Contrôleur de courant de l’HPV à période d’échantillonnage fixe20 : commande H∞
LTI à temps discret,
– Contrôleur de courant de l’HPV à période d’échantillonnage variable : commande
H∞ LTI à temps continu discrétisée en ligne dans l’ECU,
– Contrôleur de pression par l’IMV à période d’échantillonnage variable : commande
H∞ LFT à temps discret,
– Contrôleur de pression par l’HPV à période d’échantillonnage variable : commande
H∞ LTI à temps continu discrétisée en ligne dans l’ECU.
Nous utilisons au final trois méthodes de synthèse H∞ que nous détaillons dans le
chapitre suivant, avec les formulations respectives et leur solution.

20
cas de fonctionnement particulier non présenté
11

Quelques éléments sur la commande


H∞

Sommaire
11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
11.1.1 Principe de la commande H∞ . . . . . . . . . . . . . . . . 119
11.2 Synthèse H∞ LTI . . . . . . . . . . . . . . . . . . . . . . . . 120
11.2.1 Solution du contrôleur à temps continu . . . . . . . . . . . 122
11.2.2 Solution du contrôleur à temps discret . . . . . . . . . . . . 122
11.3 Synthèse H∞ LFT à temps discret . . . . . . . . . . . . . . 123
11.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 123
11.3.2 Ecriture du problème . . . . . . . . . . . . . . . . . . . . . 124
11.3.3 Solution du problème . . . . . . . . . . . . . . . . . . . . . 125
11.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

11.1 Introduction
11.1.1 Principe de la commande H∞
Nous présentons dans cette section le principe général de la commande H∞ , pour plus
de détails voir [30, 23, 14, 15, 31] pour obtenir la base de la commande H∞ ainsi qu’une
large introduction.
La commande H∞ apporte une solution (si elle existe) au problème de contrôle avec
un certain nombre de contraintes. Elle permet de prendre en compte des spécifications
données par le cahier des charges qui peut contenir quatre classes de spécifications [28] :
– Suivi de trajectoires de référence (consignes) : il s’agit d’étudier l’influence du signal
de référence r(t) sur le signal d’erreur ε(t),
– Rejet/atténuation de signaux de perturbation : il s’agit d’étudier l’influence du signal
de perturbation v(t) sur le signal d’erreur ε(t),
– Atténuation des bruits de mesure : il s’agit d’étudier l’influence des signaux de bruit
w(t) sur le signal de commande u(t) et sur le signal de sortie y(t),

119
120 Chapitre 11. Quelques éléments sur la commande H∞

– Commande modérée : il s’agit d’étudier l’influence des signaux de référence r(t) et


du signal de perturbation v(t) sur le signal de commande u(t).
Bien entendu une spécification incontournable est la stabilité interne du système en boucle
fermée.
Dans un premier temps il faut convertir les spécifications exprimées dans le domaine
temporel (p.e. temps de réponse, erreur statique, etc.) vers le domaine fréquentiel. Nous
définissons alors des gabarits fréquentiels, utilisés sous forme de pondérations lors de la
synthèse H∞ .
La formulation du problème prend en compte les pondérations (i.e. les objectifs de
commande) et le modèle du système à contrôler.

11.2 Synthèse H∞ LTI


L’utilisation des LMI 21 pour le contrôle est très présente dans la littérature [27, 26, 5,
10]. Nous présentons dans ce mémoire l’approche de résolution par LMI telle que formulée
dans [22]. L’algorithme de Glover-Doyle [12] (approche par équation de Riccati) permet
de résoudre par une autre approche ce problème.
Soit un système P , à temps continu ou à temps discret, à contrôler avec comme entrée
exogène w et entrée de commande u contrôlant la sortie q et la sortie mesurée y. Soit :
   
q w
= P (σ) (11.1)
y u
avec σ qui est soit la variable s de Laplace pour le cas à temps continu, soit la variable
z de la transformée en Z pour le cas à temps discret. Soit la loi de commande u = K(σ) · y
et la décomposition de P suivante :
 
P11 (σ) P12 (σ)
P (σ) = (11.2)
P21 (σ) P22 (σ)

alors le système en boucle fermée (fig. 11.1) donnant le transfert entre q et w s’écrit :

Fl (P, K) = P11 (σ) + P12 (σ)K(σ) (I − P22 (σ)K(σ))−1 P21 (σ) (11.3)
La synthèse H∞ consiste à trouver un contrôleur K(σ) tel que :
– le système en boucle fermée soit stable,
– la norme H∞ de Fl (P, K) soit strictement inférieure à γ > 0
La représentation d’état du système P s’écrit comme suit :

ẋ = Ax + B1 w + B2 u
q = C1 x + D11 w + D12 u (11.4)
y = C2 x + D21 w + D22 u
où les dimensions du problème sont données par :

A ∈ ℜn×n , D11 ∈ ℜnq×nw et D22 ∈ ℜny×nu


21
Linear Matrix Inequality : inégalité matricielle linéaire
11.2. Synthèse H∞ LTI 121

q w
P (σ)
y u

K(σ)

Fig. 11.1 – Schéma de synthèse

Nous faisons deux hypothèses sur le système P :


– les paires (A, B2 ) et (A, C2 ) sont respectivement stabilisable et détectable,
– la matrice D22 est nulle.
La représentation d’état du contrôleur K(σ) est la suivante :
ẋc = Ak xc + Bk y
(11.5)
u = Ck xc + Dk y

avec Ak ∈ ℜnk×nk .
La fonction de transfert de la boucle fermée donnée par la LFT Fl (P, K) est la sui-
vante :

Fl (P, K) (σ) = Dcl + Ccl (σI − Acl )−1 Bcl

avec :    
A + B2 Dk C2 B2 Ck B1 + B2 Dk D21
Acl = Bcl =
Bk C2 Ak  Bk D21 (11.6)
Ccl = C1 + D12 Dk C2 D12 Ck Dcl = D11 + D12 Dk D21
En définissant la matrice Ω comme suit :
 
Ak Bk
Ω= (11.7)
C k Dk
et les matrices :
   
A 0 B1
A0 = B0 = C0 = (C1 , 0)
 0 0   0    (11.8)
0 B2 0 I 0
B= C= D12 = (0, D12 ) D21 =
I 0 C2 0 D21
les matrices de la boucle fermée Acl , Bcl , Ccl et Dcl peuvent ainsi être écrites de la manière
suivante :
Acl = A0 + BΩC Bcl = B0 + BΩD21 Ccl = C0 + D12 ΩC Dcl = D11 + D12 ΩD21
(11.9)
122 Chapitre 11. Quelques éléments sur la commande H∞

Le problème H∞ à résoudre est donc le suivant :


Dcl + Ccl (σI − Acl )−1 Bcl ≤ γ


(11.10)

Nous rappelons les solutions dans le cas à temps continu et à temps discret qui sont
démontrées dans [22].

11.2.1 Solution du contrôleur à temps continu


Etant donné un système P (s), il existe un contrôleur LTI à temps continu tel que la
performance quadratique H∞ du système en boucle fermée reste bornée par γ s’il existe
des matrices R et S solutions du problème d’optimisation convexe suivant :

AR + RAT RC1T
 
 T B1  
NR 0 NR 0
 C1 R −γI D11  <0 (11.11)
0 I T T 0 I
B1 D11 −γI

AT S + SA SB1 C1T
 
 T  
NS 0 T T NS 0
 B1 S −γI D11  <0 (11.12)
0 I 0 I
C1 D11 −γI
 
R I
≥0 (11.13)
I S
où NR et NS sont des bases des noyaux de [B2T , D12
T
] et [C2 , D21 ] respectivement. Ces
trois LMI sont issues du lemme d’élimination appliqué à la LMI :

Ψ + QT ΩT Q + P T ΩP < 0 (11.14)

Cette dernière LMI est elle-même obtenue après application du lemme réel bornée sur la
LMI 11.10. L’obtention des matrices R et S permet de calculer la matrice Ψ. Il suffit alors
de résoudre la LMI 11.14 pour obtnenir la matice Ω, i.e. le contrôleur.

11.2.2 Solution du contrôleur à temps discret


Etant donné un système P (z), il existe un contrôleur LTI à temps discret tel que la
performance quadratique H∞ du système en boucle fermée reste bornée par γ s’il existe
des matrices R et S solutions du problème d’optimisation convexe suivant :

ARAT − R ARC1T
 
 T B1  
NR 0  C1 RAT T NR 0
−γI + C1 RC1 D11  < 0 (11.15)
0 I 0 I
B1T D11T
−γI

AT SA − S AT SB1 C1T
 
 T  
NS 0  B1T SA NS 0
−γI + B1T SB1 T 
D11 <0 (11.16)
0 I 0 I
C1 D11 −γI
11.3. Synthèse H∞ LFT à temps discret 123

 
R I
≥0 (11.17)
I S

où NR et NS sont des bases des noyaux de [B2T , D12


T
] et [C2 , D21 ] respectivement. Le
contrôleur est obtenu de la même manière que le pour cas à temps continu.

11.3 Synthèse H∞ LFT à temps discret


11.3.1 Introduction
Lorsque nous considérons un système dont la variation de paramètres (endogènes ou
exogènes) influent sur son comportement dynamique, il faut réussir soit à trouver un
correcteur unique suffisamment robuste en stabilité et qui maintienne un niveau de per-
formance jugé admissible, soit synthétiser plusieurs correcteurs à différents points de fonc-
tionnement, et ensuite appliquer une loi d’interpolation pour passer d’un contrôleur à un
autre. Une autre possibilité est de prendre en compte, au moment de la synthèse du cor-

controleur système

wθc qθc wθ qθ
∆ ∆

r K(z) G(z)
u y

Fig. 11.2 – Schéma de conrôle LFT

recteur, l’influence des paramètres sur le système, afin d’obtenir un contrôleur travaillant
sur toute la plage de fonctionnement du système, et dont la loi d’interpolation est inhé-
rente à la synthèse (fig. 11.2). Cette approche offre donc une meilleure garantie à la fois
sur la stabilité et sur les performances du système.
Nous présentons dans cette section la solution au problème des contrôleurs à para-
mètres variants par l’approche LFT [11, 29]. Nous développons les résultats des travaux
de [17] dans le cas des systèmes à temps discret. Une autre solution pour résoudre le
problème des contrôleurs LPV est l’approche polytopique [4, 32]. Cette approche peut
devenir très conservative lorsque le nombre de paramètres variants augmente, ceci étant
dû à la taille du polytope correspondant.
124 Chapitre 11. Quelques éléments sur la commande H∞

11.3.2 Ecriture du problème


Soit le système P , à paramètres variants, à contrôler (fig. 11.3) :
     
xk+1 A Bθ B1 B2 xk
 qθ   Cθ Dθθ Dθ1 Dθ2   ·  ωθ 
 
 q  =  C1 D1θ
   (11.18)
D11 D12   ω 
y C2 D2θ D21 D22 u
avec xk ∈ ℜna les états du système, qθ ∈ ℜnθ les sorties allant vers le bloc θ, q ∈ ℜnq les
sorties à contrôler, y ∈ ℜny les sorties mesurables, ωθ ∈ ℜnω les entrées provenant du bloc
θ, ω ∈ ℜnω les entrèes du système et u ∈ ℜnu les entrées de commandes.

wθ qθ
∆ 0
wθ qθ
0 ∆
w q qθc wθc
P (z)

u y
w P (z) q

K(z)
u y

qθc wθc
K(z)

a) b)

Fig. 11.3 – Mise en forme du problème

Soit le contrôleur K(z) avec la représentation d’état suivante (fig. 11.3) :


 c     c 
xk+1 Ak Bk1 Bkθ xk
 u  =  Ck1 Dk11 Dk1θ  ·  y  (11.19)
qθc Ckθ Dkθ1 Dkθθ ωθc
on pose alors :  
Ak Bk1 Bkθ
Ω =  Ck1 Dk11 Dk1θ  (11.20)
Ckθ Dkθ1 Dkθθ
11.3. Synthèse H∞ LFT à temps discret 125

la matrice à déterminer, avec xck ∈ ℜnk les états du contrôleur, qθc ∈ ℜnθ les sorties
du contrôleur allant vers le bloc ∆, ωθc ∈ ℜnθ les entrées provenant du bloc ∆. Nous
faisons ensuite un regroupement des paramètres variants (fig. 11.3 b). Cette manipulation
permet d’isoler le contrôleur K(z) dont la représentation est LTI. Le système P (z) est
alors augmenté et devient le système P̃ (z).
Le système en boucle fermée Tcl est défini comme suit :

 
Tcl = Fl P̃ (z), K(z)
= Dcl + Ccl (zI − Acl )−1 Bcl
(11.21)

qθc
   c 

En définissant q̃ =  qθ  et w̃ =  wθ , alors le système en boucle fermée peut
q w
s’écrire de la manière suivante :
    
x̃k+1 Ã + B̃2 ΩC̃2 B̃ + B̃2 ΩD̃21 x̃k
= (11.22)
q̃ C̃ + D̃12 ΩC̃2 D̃ + D̃12 ΩD̃21 w̃
preuve : c.f. annexes pour le détail des calculs permettant d’obtenir le résultat de
l’équation (11.22).

11.3.3 Solution du problème


La solution repose sur le théorème suivant [17] :
Thèorème : Etant donné un système de la forme (11.18), il existe un correcteur LFT
à temps discret (11.19) tel que la performance quadratique H∞ du système LPV en boucle
fermée (fig. 11.3) reste bornée par γ s’il existe des matrices R, S, L3 et J3 solutions du
problème d’optimisation convexe suivant :

ARAT − R + Bθ J3 BθT ARCθT + Bθ J3 DθθT


ARC1T + Bθ J3 Dθ1 T
 
B1
Cθ RAT + Dθθ J3 BθT Cθ RCθT + Dθθ J3 Dθθ
T
− J3 Cθ RC1T + Dθθ J3 D1θ T
Dθ1 
(⋆1 )T 

 (⋆ ) < 0
 T
C1 RA + D1θ J3 Bθ T T
C1 RCθ + D1θ J3 DθθT
C1 RC1 + D1θ J3 D1θ − γInq D11  1
T T

B1T Dθ1T T
D11 −γInr
  (11.23)
NR 0
avec ⋆1 = où NR est une base de noyaux de [B2T , Dθ2T T
, D12 ].
0 I

AT SA − S + CθT L3 Cθ AT SBθ + CθT L3 Dθθ AT SB1 + CθT L3 Dθ1 C1T


 
 BθT SA + Dθθ T
L3 Cθ BθT SBθ + Dθθ
T
L3 Dθθ − L3 B1T SBθ + Dθ1 T
L3 Dθθ D1θ 
(⋆2 )T  T T T T T T T
 (⋆2 ) < 0
 B1 SA + Dθ1 L3 Cθ B1 SBθ + Dθ1 L3 Dθθ B1 SB1 + Dθ1 L3 Dθ1 − γInr D11 
C1 D1θ D11 −γInq
  (11.24)
NS 0
avec ⋆2 = où NR est une base de noyaux de [C2 , D2θ , D21 ].
0 I
126 Chapitre 11. Quelques éléments sur la commande H∞

 
R I
>0 (11.25)
I S
 
L3 I
>0 (11.26)
I J3
Il faut ensuite, pour obtenir le contrôleur LFT, appliquer la méthodologie développée
dans [17] qui consiste à résoudre une seconde LMI dont la solution donne la valeur de la
matrice Ω (eq. (11.20)), i.e. les matrices de la représentation d’état du contrôleur.

11.4 Conclusion
Nous venons de présenter très brièvement trois méthode de synthèse H∞ s’appliquant
pour les systèmes LTI (à temps continu et à temps discret) et pour les systèmes LPV (mis
sous forme LFT) à temps discret. Pour le calcul des contrôleurs LTI nous avons utilisé
les routines standard fournies dans MatLab22 . Pour le calcul du contrôleur LFT à temps
discret nous avons écrit notre propre algorithme qui utilise une routine MatLab pour
résoudre les LMI23 . Les résultats sont présentés dans le chapitre suivant en effectuant la
synthèse du contrôleur H∞ LFT pour le contrôle de la pression rail par l’IMV.

22
hinflmi et dhinflmi
23
mincx
12

Synthèse de la loi de commande


monovariable

Sommaire
12.1 Contrôleur de la pression d’injection . . . . . . . . . . . . . 127
12.1.1 Normalisation du modèle pour la synthèse . . . . . . . . . . 127
12.1.2 Système en boucle ouverte . . . . . . . . . . . . . . . . . . 129
12.1.3 Architecture du contrôleur . . . . . . . . . . . . . . . . . . 129
12.1.4 Cahier des charges . . . . . . . . . . . . . . . . . . . . . . . 132
12.1.5 Synthèse LFT H∞ du contrôleur de pression . . . . . . . . 132
12.2 Résultat du contrôleur en boucle ouverte . . . . . . . . . . 135
12.3 Robustesse vis-à-vis de la position de l’IMV . . . . . . . . 136
12.3.1 Analyse par le théorème du petit gain . . . . . . . . . . . . 137
12.3.2 Analyse par la marge de gain . . . . . . . . . . . . . . . . . 138
12.4 Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
12.4.1 Essai 1 : profil en "montagnes russes" . . . . . . . . . . . . 142
12.4.2 Essai 2 : profil en accélération . . . . . . . . . . . . . . . . 143
12.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

12.1 Contrôleur de la pression d’injection


Nous rappelons que dans ce mode, le contrôle de la pression est réalisé par l’IMV et
que l’HPV est maintenue fermée, comme présenté sur la figure 10.1.

12.1.1 Normalisation du modèle pour la synthèse


Le modèle LFT développé est exprimé dans le système international MKSA ce qui
donne pour les coefficients des valeurs très hétérogènes : la force hydraulique se calcule
par le produit de la pression du carburant en Pascal (≈ 105 [P a]) et la surface active de
la bille de l’HPV (≈ 5 · 10−7 [m2 ]). Les matrices du modèle sont très mal conditionnées

127
128 Chapitre 12. Synthèse de la loi de commande monovariable

numériquement et posent des problèmes pour la résolution des LMI lors de la synthèse
H∞ LFT.
Nous proposons donc de normaliser le modèle, c’est à dire d’extraire l’ensemble des
gains statiques, que nous multiplions entre eux pour obtenir une valeur qui ne sera pas
prise en compte lors de la synthèse, mais qui sera au final réintroduite dans le contrôleur
pour rester cohérent avec le système d’origine.
Nous présentons le principe de normalisation que nous avons employé sur le gain sta-
tique du système rail-injecteur, déjà présenté lors de la modélisation LFT. Nous rappelons
à la figure 12.1 la représentation LFT du rail dont le modèle s’écrit comme suit avec les
valeurs numériques :

3.53 · 107
    
Pk+1 0.89 1 1 Pk
7 
 qB   0 0 0 3.25 · 10   wA 
 qA  =  0.1
    (12.1)
0 0 0   wB 
yk 1 0 0 0 Qppe

qB wB
δB ∆B

Qppe Pk
z −1
P P
δB0



P
δA0


wA ∆A qA δA

Fig. 12.1 – Représentation graphique du modèle LPV du rail (rappel)

Le coefficient B s’écrit :
B = δB0 + ∆B · δB (12.2)

La normalisation proposée consiste à rendre la valeur nominale δB0 égale à 1. Pour


cela, il suffit de la mettre en facteur :
 
δB
B = δB0 1 + ∆B ·
δB0
 ′

B = B0 1 + ∆B · δB
(12.3)

Il est intéressant de noter que la variable ∆B n’est pas modifiée, et que sa valeur varie
toujours de −1 à 1. Le nouveau modèle du rail ainsi obtenu s’affranchit du gain B0 , et
12.1. Contrôleur de la pression d’injection 129

son modèle devient :


    
Pk+1 0.89 1 1 1 Pk
 qB   0 0 0 0.92   wA
  
 qA  =  0.1
    (12.4)
0 0 0   wB 
yk 1 0 0 0 Qppe
En procédant de la sorte sur l’ensemble des gains statiques du système monovariable (i.e.
avec l’HPV fermée), nous pouvons mettre trois gains en facteur, de valeur 1.15 · 10−5 ,
0.167 et 3.53 · 107 , et dont le produit vaut 67.91.
Soit β le gain mis en facteur et G le système monovariable, nous avons alors G = β · G0
où G0 est le modèle normalisé que nous allons utiliser pour la synthèse. Ainsi, le système
en boucle fermée Tbf obtenu à l’issue de la synthèse du contrôleur K va s’écrire :
K · G0
Tbf = (12.5)
1 + K · G0
Or, le système sur lequel nous allons appliquer notre contrôleur est G, il faut donc mul-
tiplier la sortie du contrôleur par l’inverse de β pour obtenir le comportement escompté :
K (1/β) · G
Tbf =
1 + K (1/β) · G
K (1/β) · β · G0
=
1 + K (1/β) · βG0
K · G0
Tbf =
1 + K · G0
(12.6)

12.1.2 Système en boucle ouverte


La figure 12.2 montre différentes réponses fréquentielles du système (lorsque l’HPV est
fermée). Ces fonctions de transferts ont été calculées à partir du modèle LFT du système
monovariable pour un ensemble de points de fonctionnement : variation de la pression rail,
du régime moteur et de la température du carburant. Nous avons normalisé la fréquence
à 1Hz pour pouvoir facilement comparer les courbes.

12.1.3 Architecture du contrôleur


Du point de vue du contrôle de la pression rail, toute variation de débit au sein du
rail, autre que celle due à la commande de l’IMV, est considérée comme une perturbation.
C’est le cas du débit des injecteurs, totalement indépendant du contrôle de la pression.
Deux cas classiques de perturbation sont à traiter, il s’agit des accélérations et des
lever de pied. En effet, dans le cas des accélérations, la demande d’injection augmente
brutalement. À ce moment, cette variation de débit injecté crée une somme négative des
débits qui va faire diminuer la pression, alors que la demande de pression augmente.
Pour le cas du lacher de pied, la pression rail et le débit injecté sont élevés, et la de-
mande d’injection chute brutalement, jusqu’à zéro. Dans ce cas, une élévation de pression
130 Chapitre 12. Synthèse de la loi de commande monovariable

Bode Diagram

80

60

40
Magnitude (dB)

20

−20

−40

−60
180

135

90
Phase (deg)

45

−45

−90
−6 −5 −4 −3 −2 −1
10 10 10 10 10 10
Frequency (Hz)

Fig. 12.2 – Réponse fréquentielle du système monovariable en boucle ouverte sur un


ensemble de points de fonctionnement
12.1. Contrôleur de la pression d’injection 131

apparaît due à une somme postive des débits, alors qu’en même temps la référence de
pression a chuté.
Comme cette pertubation est due à la variation de la demande d’injection et que celle-
ci est connue puisque pilotée par le calculateur, nous pouvons la prendre en compte dans
le schéma de synthèse.
L’architecture actuelle prend déjà en compte la demande d’injection pour le contrôle
de la pression avec l’IMV. Il s’agit en fait d’un contrôle en boucle ouverte (feedforward ) qui
s’ajoute au contrôle en boucle fermée. Cela permet d’aider le contrôleur en boucle fermée
en prépositionnant l’actionneur de remplissage. Nous allons donc conserver cette solution
qui améliore le contrôle. Néanmoins, le contrôle en boucle ouverte actuellement utilisé est
statique. La valeur de la commande est calculée en fonction d’une cartographie qui dépend
de certains paramètres, il n’y a donc pas de comportement dynamique. D’autre part, la
calibration de cette cartographie est réalisée après la synthèse du contrôleur de pression.
Nous proposons dans notre approche d’établir le contrôle en boucle ouverte lors de la
synthèse LFT. Le contrôleur en boucle ouverte sera défini en même temps que le contrôleur
de la pression. Nous proposons alors la structure de contrôle présentée à la figure 12.3,
où Fdmnd représente la demande d’injection, Pdmnd la consigne de pression, K1 est le
contrôleur en boucle fermée, K2 le contrôleur en boucle ouverte, G1 est l’ensemble IMV et
pompe HP, G2 le système rail-injecteur. La séparation du système en deux ensembles G1
et G2 permet de faire apparaître l’entrée de débit du rail, et ainsi de prendre en compte
le débit injecté par les injecteurs en plus de leur débit de fuite. Le gain α est le coefficient
qui permet de convertir en m3 /s la demande d’injection qui est en mg/cp, et de prendre
en compte le gain de normalisation du rail.

Contrôleur Système
α
Fdmnd K2

 
P Uimv Prail
G1 G2
 

Pdmnd εp
K1


Fig. 12.3 – Architecture du contrôleur de pression en mode monovariable

Les fonctions de transfert associées à cette architecture sont les suivantes :


G2 (G1 · K2 − α) G 2 · G 1 · K1
Prail = Fdmnd + Pdmnd (12.7)
1 + G 2 · G 1 · K1 1 + G 2 · G 1 · K1
132 Chapitre 12. Synthèse de la loi de commande monovariable

12.1.4 Cahier des charges


Les performances requises du contrôle de la pression sont les suivantes :
– erreur statique de ± 5 bar en dessous de 500 bar, puis ± 1% de la demande de
pression au-delà,
– erreur de traînage nulle.
Pour traiter l’erreur statique, nous imposons un gain statique de la fonction de transfert
entre la référence et l’erreur de régulation (i.e. la fonction de sensibilité) inférieur à 1%,
soit inférieur à −40dB. Pour pouvoir suivre une demande de type rampe, il faut que la
fonction de sensibilité ait une pente de +40dB/dec.
Pour tout système mécanique ayant des parties mobiles les unes par rapport aux
autres des frottements sont présents. C’est le cas de l’IMV lorsque ses parties mobiles
se déplacent pour laisser passer plus ou moins de carburant. Le frottement, fortement
non-linéaire et asymétrique, est un phénomène complexe à modéliser. Plusieurs modèles
(statiques et dynamiques) sont proposés dans la littérature [18, 16]. La grande difficulté
associé à ces modèles concerne l’estimation de leurs paramètres. Dans notre cas cette
tâche est très difficile car en plus des dispersions mécaniques (p.e. variation des cotes,
états des surfaces des pièces, etc.), l’IMV est immergée dans le carburant qui va générer
encore des dispersions. En d’autre termes, le frottement de l’IMV d’un véhicule à un
autre risque fortement d’être très différent. Un frottement bien particulier est l’effet de
collé-glissé ou stick-slip [18, 24, 25]. Ce phénomène se produit lorsque les masses mobiles
arrêtent de se déplacer. Pour pouvoir les remettre en déplacement, il faut apporter une
commande plus forte que si celles-ci étaient restées mobiles. Un inconvénient est que le
déplacement est alors saccadé et qu’il est difficile de contrôler correctement la position
précise de l’actionneur. Ce phénomène crée des hystérésis et un temps de réponse plus
long. Face à ce constat, nous avons opté pour la compensation dite Dither, méthode simple
qui consiste à introduire une vibration haute fréquence afin de ne jamais se trouver en
position de collage. Pour réaliser cette excitation, nous utilisons directement la commande
de l’IMV issue du contrôleur. Nous garantirons ainsi que l’excitation ne rendra pas instable
le système. Pour obtenir ce résultat, nous allons permettre à la fonction de transfert
K1 S, c’est-à-dire l’effet de la référence sur la commande, d’avoir un gain élevé en hautes
fréquences, ce qui assurera d’avoir une commande bruitée.

12.1.5 Synthèse LFT H∞ du contrôleur de pression


L’objectif du contrôle de la pression est résumé dans la figure 12.4. Nous devons syn-
thétiser un contrôleur prenant en compte les paramètres variants afin d’atteindre les ob-
jectifs de performance demandés, tout en étant robuste à la variation d’autres paramètres
ne pouvant être pris en compte par le contrôleur.
Pour résoudre le problème présenté à la figure 12.4, nous utilisons les résultats obtenus
dans le chapitre précédent sur la synthèse H∞ LFT. Les aspects de robustesse seront
analysés a posteriori une fois le contrôleur obtenu. Si celui-ci ne satisfait pas les conditions
de robustesse vis-à-vis de la variation de la position de l’IMV ximv , il faudra prendre en
compte cette contrainte dans une nouvelle synthèse.
Nous considérons comme sorties à contrôler l’erreur de pression, qui sert à imposer
12.1. Contrôleur de la pression d’injection 133

∆1
∆2
∆4
∆5

robustesse
∆3

Pdmnd εp e1
P (s) W1
≤γ
Fdmnd Uimv e2
Wu

performance
 
Uimv εp
Fdmnd

K(s)

∆1
∆2
∆4
∆5
contrôleur LFT

Fig. 12.4 – Représentation du problème de synthèse LFT robuste


134 Chapitre 12. Synthèse de la loi de commande monovariable

l’ensemble des contraintes spécifiées, et la commande Uimv de manière à contrôler les


bruits en hautes fréquences pouvant apparaître à l’issue de la synthèse.
D’après les figure 12.3 et 12.4, le problème H∞ pour le système bouclé est le suivant :
    
e1 W1 · S W1 · S · (α − G1 · K2 ) Pdmnd
= (12.8)
e2 Wu · S · K1 Wu · S · (K2 + K1 · G2 ) Fdmnd

avec S la fonction de sensibilité (S = (1 + K1 G1 G2 )−1 ), soit :


 
W 1 · S W 1 · S · (α − G 1 · K 2 )
Wu · S · K1 Wu · S · (K2 + K1 · G2 ) ≤ γ
(12.9)

12.9 implique alors les quatre inégalités suivantes :


γ
||S||∞ ≤

 W1

 ||S · (α − G · K )|| γ
1 2 ∞ ≤ W1
γ (12.10)

 ||S · K 1 || ∞ ≤ Wu
γ
||S · (K2 + K1 · G2 )||∞ ≤

Wu

Les résultats obtenus pour cette synthèse sont représentés sur la figure 12.6. La fi-
gure 12.5 montre les contrôleurs agissant en boucle fermée sur l’erreur de pression (K1 )
et en boucle ouverte sur la demande d’injection (K2 ).

Bode Diagram

60
FL(K1(s), ∆)
40
Magnitude (dB)

20

−20 −4 −3 −2 −1 0 1
10 10 10 10 10 10
Frequency (rad/sec)

Bode Diagram

40

30 FL(K2(s), ∆)
Magnitude (dB)

20

10

−10 −3 −2 −1 0 1
10 10 10 10 10
Frequency (rad/sec)

Fig. 12.5 – Réponse fréquentielle du contrôleur en fonction du point de fonctionnement

Le résultat est remarquable, car comme pour le système (c.f. fig. 12.2), le contrôleur
obtenu varie fortement en fonction du point de fonctionnement ce qui permet au final
12.2. Résultat du contrôleur en boucle ouverte 135

d’avoir des fonctions de sensibilité S identiques quel que soit le point de fonctionnement
(fig. 12.6), et de même pour la fonction de sensibilité sur le rejet de perturbation de débit
dans le rail S · (α − G1 · K2 ).
Les fonctions de transfert représentant SK1 ont un gain qui augmente en hautes fré-
quences. Il en est de même pour les fonctions de transfert S (K2 + K1 G1 ). Nous aurons
donc une commande bruitée ce qui empêchera l’IMV de se coller. Le résultat de la com-
mande de l’IMV obtenue sur véhicule est présenté dans le chapitre suivant.

Bode Diagram Bode Diagram

20 20

0 S 0 S.(α − G1. K2)

−20 −20
Magnitude (dB)

Magnitude (dB)
−40 −40

−60 −60

−80 −80

−100 −4 −2 0
−100 −4 −2 0
Frequency (rad/sec) Frequency (rad/sec)
10 10 10 10 10 10

Bode Diagram Bode Diagram

50 40

30
S.(K2 + K1.G1)
0 20
Magnitude (dB)

Magnitude (dB)

10

−50 0
S.K1 −10

−100 −4 −2 0
−20 −4 −2 0
Frequency (rad/sec) Frequency (rad/sec)
10 10 10 10 10 10

Fig. 12.6 – Norme H∞ obtenue γ = 1.23

12.2 Résultat du contrôleur en boucle ouverte


Nous allons analyser le résultat obtenu pour le contrôleur en boucle ouverte de la
demande d’injection. La réponse de l’entrée de commande Uimv à un échelon unitaire du
débit d’injection est présentée à la figure 12.7. Il est intéressant d’analyser le comportement
de la commande obtenue. En effet, nous constatons que face à une variation positive de
l’injection (i.e. une augmentation de la consommation des injecteurs) la commande de
136 Chapitre 12. Synthèse de la loi de commande monovariable

−0.2

−0.4
Tension [V]

−0.6

−0.8

−1

−1.2

0 1 2 3 4 5 6 7 8
Echantillons

Fig. 12.7 – Réponse indicielle du contrôleur en boucle ouverte sur la demande d’injection

l’IMV diminue très fortement (pour augmenter le débit de la pompe) au tout début pour
ensuite rapidement rejoindre une valeur d’équilibre. Il y a presque un rapport de deux
entre la valeur extrême et la valeur d’équilibre.
Ainsi, Lorsque la demande d’injection varie, l’effet est immédiat sur le débit. Le débit
de la pompe, quant à lui, varie selon un certain temps de réponse lorsque la commande
de l’IMV est modifiée. Il est donc inévitable d’avoir une perturbation sur la pression rail
lorsque le débit injecté varie. Si la commande en boucle ouverte est statique et que sa
valeur est telle que la variation du débit de la pompe compense la variation du débit des
injecteurs en régime établi, alors la perturbation sur la pression rail sera importante et
c’est le contrôleur en boucle fermé qui devra la rejeter. C’est le fonctionnement actuel
obtenu avec la cartographie. En revanche, grâce à la prise en compte du comportement
dynamique (fig. 12.7), la forte variation initiale de la commande de l’IMV permet non
seulement de compenser la variation du débit injecté mais également la perturbation de
pression. Le contrôleur en boucle fermé est alors moins sollicité et surtout le rejet de la
perturbation est plus rapide.

12.3 Robustesse vis-à-vis de la position de l’IMV


La synthèse du contrôleur LFT ne tient pas compte de la position ximv de l’IMV
comme paramètre variant, car cette variable n’est pas lue par l’ECU et ne peut pas être
utilisée par le contrôleur. Toutefois elle influe sur le comportement dynamique du système.
12.3. Robustesse vis-à-vis de la position de l’IMV 137

La robustesse en stabilité du système doit donc être analysée a posteriori quels que soient
la position de l’IMV et le point de fonctionnement du moteur. Les paramètres considérés
sont les suivants :
– ∆1 et ∆2 représentent la variation du gain statique et de la dynamique du circuit
électrique de l’IMV (eq. 4.3) en fonction de la période d’échantillonnage,
– ∆3 représente la variation du gain hydraulique de l’IMV (eq. 4.14 et fig. 4.10),
– ∆4 et ∆5 sont respectivement égaux à ∆B et ∆A (eq. 9.23).

12.3.1 Analyse par le théorème du petit gain


Le gain de la variation du débit de l’IMV en fonction de la position ximv a été normalisé
selon la formule :  
∂Qimv δ3
= δ30 · 1 + ∆3 · (12.11)
∂ximv δ30
La valeur δ30 a été retirée du modèle pour la synthèse. Le contrôleur est donc obtenu en
prenant la valeur nominale du gain ici unitaire. Nous devons maintenant étudier l’effet
de la variation de ∆3 sur la stabilité du système. Pour faire cette analyse, nous séparons
l’ensemble du système par rapport à la variable ∆3 comme représenté sur la figure 12.8 et
nous utilisons le théorème du petit gain, qui va nous permettre de dire si l’interconnection
entre les deux systèmes est stable.

q3
δ3 ∆3
w3
Fdmnd

Pdmnd P Prail
K G


w3 q3
∆3

Fdmnd Prail
P
Pdmnd

Fig. 12.8 – Mise en forme du système pour l’analyse de la stabilité par le théorème du
petit gain

Nous rappelons ici la formulation de ce théorème selon [31]


138 Chapitre 12. Synthèse de la loi de commande monovariable

Théorème : avec M ∈ ℜH∞ et γ > 0, le système interconnecté représenté dans la


figure 12.9 est bien posé et stable pour tout ∆(s) ∈ ℜH∞ tel que :
– k∆k∞ ≤ 1/γ si et seulement si kM(s)k∞ < γ
– k∆k∞ < 1/γ si et seulement si kM(s)k∞ ≤ γ

i ∆

M i

Fig. 12.9 – Analyse de stabilité de l’interconnection M-∆

La condition du thèorème devient insuffisante lorsqu’elle concerne un type particulier


d’incertitudes. Ainsi, si la condition de stabilité n’est pas vérifiée dans le cadre de la
figure 12.8, nous ne pouvons pas conclure, car il s’agit d’une condition suffisante mais pas
nécessaire.
Dans notre cas, le système P de la figure 12.8 est défini comme suit :
 
    w3
q3 P11 P12 P13
= ·  Fdmnd  (12.12)
Prail P21 P22 P23
Pdmnd

L’application du théorème du petit gain nécessite le calcul du transfert entre w3 et q3 ,


défini par P11 . A partir des schémas de la figure 12.3 et 12.8, P11 s’écrit :

P11 = −δ3 · S · K1 · G2 · G1 (12.13)

Le théorème du petit gain assure que le système est stable malgré les variations de ∆3
si :
kP11 k∞ < 1 car k∆3 k ≤ 1 par définition (12.14)
Nous avons tracé P11 (z) pour un ensemble de points de fonctionnement (figure 12.10).
Les différents transferts de P11 dépassent la valeur limite fixée par le théorème du petit
gain. Nous ne pouvons donc pas conclure sur la stabilité robuste du système. Or, il est
impératif de savoir quelle est la robustesse du système par rapport à la position ximv de
façon à assurer la stabilité robuste de la pression. Il faut donc utiliser une autre technique
d’analyse pour pouvoir conclure.

12.3.2 Analyse par la marge de gain


Dans un premier temps, sont calculées les marges de gain du système pour l’ensemble
des points de fonctionnement en supposant le gain de la variation de débit de l’IMV
nominal et égal à 1 .
12.3. Robustesse vis-à-vis de la position de l’IMV 139

Bode Diagram

−10
Magnitude (dB)

−20

−30

−40

−50
−2 −1 0
10 10 10
Frequency (rad/sec)

Fig. 12.10 – Analyse de la robustesse vis-à-vis de la position ximv par le théorème du


petit gain
140 Chapitre 12. Synthèse de la loi de commande monovariable

Il s’agit donc de calculer la marge de gain du système en boucle ouverte suivante :

L(z) = G2 (z) · G1 (z) · K1 (z) (12.15)

La figure 12.11 montre les différentes marges de gain obtenues en fonction des points
de fonctionnement.

5.5
Marge de gain du système

4.5

4
0 100 200 300 400 500 600 700
Point de fonctionnement

Fig. 12.11 – Marge de gain du système (min = 4.11)

La marge de gain minimale atteinte sur l’ensemble des points de fonctionnement est
de 4.11. Or, le gain maximal (i.e. pour ∆3 = 1), dû à l’incertitude vis-à-vis de la variation
de la position de l’IMV, est de 1.97. Le système reste donc stable malgré les variations
de position de l’IMV et la marge de gain est dans le pire des cas de 4.11/1.97 = 2.08 soit
6.3dB.
La figure 12.12 montre les marges de gains et de phases dans le pire des cas. Nous
garantissons une bonne marge de robustesse vis-à-vis d’autres variations paramétriques.
Néanmoins, si cela n’était pas suffisant au vue des éventuelles variations paramétriques
des éléments du système (p.e. vieillissement des injecteurs, etc.), nous pouvons réduire
le gain sur la commande lors de la synthèse H∞ , ce qui s’accompagne d’une perte de
performance. Il y a un compromis entre la robustesse et la performance : il faut avoir le
système le plus performant tout en garantissant la stabilité du système tout au long de
son fonctionnement.
12.3. Robustesse vis-à-vis de la position de l’IMV 141

Nichols Chart

20
1 dB

15

3 dB
10
Open−Loop Gain (dB)

6 dB
5

−5

−180 −150 −120


Open−Loop Phase (deg)

Fig. 12.12 – Marge de gain et de phase dans le pire des cas i.e. ∆3 = 1
142 Chapitre 12. Synthèse de la loi de commande monovariable

12.4 Simulations
Nous utilisons des données réelles acquises sur véhicule pour réaliser les simulations
dont les résultats sont présentés dans la partie mise en oeuvre. Ceci permet d’avoir des
évolutions réelles des demandes d’injection, de pression et du régime moteur, et aussi de
pouvoir comparer les résultats entre la théorie et la pratique.

12.4.1 Essai 1 : profil en "montagnes russes"


La figure 12.13 montre le suivi de la pression de consigne (tracé supérieur) face à des
séries de rampes montantes et descendantes, avec des cassures nettes. Ceci a pour effet
de provoquer des variations brutales sur la demande d’injection, permettant de voir les
capacités de rejet de perturbation de débit des injecteurs tout en régulant la pression
rail. Les variations de la demande d’injection et du régime moteur sont présentées dans
la partie mise en oeuvre.

650
Demande
600 Pression rail
550
Pression [bar]

500

450

400

350

300
25 30 35 40 45 50 55
Temps [s]

60
Erreur de pression [bar]

40

20

−20

−40

−60
25 30 35 40 45 50 55
Temps [s]

Fig. 12.13 – Simulation du contrôle de la pression par l’IMV seule

Nous constatons que le cahier des charges est bien respecté (sur le plan théorique),
car les erreurs de pression ne dépassent jamais les ±50 bar en transitoire et que l’erreur
12.5. Conclusion 143

statique est inférieure à la tolérance demandée. D’autre part l’erreur de trainage lors des
différentes rampes est quasi-nulle.

12.4.2 Essai 2 : profil en accélération


Nous proposons une seconde simulation montrant le suivi d’une référence de pression
de type parabolique obtenue lors d’une accélération. Pour cet essai, l’erreur de trainage
est inférieure à 20 bar, le dépassement faible et l’erreur de transitoire inférieure à ±50
bar. Le cahier des charges est donc bien respecté.

1000
Demande
900 Pression rail
800
Pression [bar]

700

600

500

400

300
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Temps [s]

60
Erreur de pression [bar]

40

20

−20

−40

−60
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Temps [s]

Fig. 12.14 – Suivi du rampe par l’IMV seul

12.5 Conclusion
Nous avons présenté les résultats théoriques de la synthèse H∞ LFT sur le contrôle
de la pression rail. L’analyse de la robustesse montre que le système en boucle fermée est
robuste vis-à-vis des variations de la position de l’IMV et présente dans le pire des cas une
marge de robustesse confortable. Il serait intéressant d’ajuster au mieux la robustesse du
contrôleur afin d’obtenir les performances optimales du système. Pour cela il faudrait faire
144 Chapitre 12. Synthèse de la loi de commande monovariable

une étude sur le vieillissemement des éléments du système (i.e. l’IMV, les injecteurs, etc.)
pour analyser leurs variations de comportement dans le temps. C’est une tâche longue et
difficile qui ne peut pas être exhaustive. Il faudra donc toujours garantir une marge de
robustesse de sécurité par rapport au pire des cas estimé sur le comportement dynamique
du système.
Nous avons présenté deux simulations dont les résultats satisfont les exigences du
cahier des charges. Ces données en simulation peuvent être comparées avec les essais
véhicules qui sont présentés dans la partie mise en oeuvre.
Quatrième partie

Mise en oeuvre

145
13

Calibration de la stratégie actuelle à


partir du modèle théorique

Sommaire
13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
13.2 Comparaisons et validations . . . . . . . . . . . . . . . . . . 149
13.2.1 cas 1 : 750 tr/min, 5 mg/cp, 230 bar . . . . . . . . . . . . . 149
13.2.2 cas 2 : 750 tr/min, 20 mg/cp, 275 bar . . . . . . . . . . . . 152
13.2.3 cas 3 : 750 tr/min, 70 mg/cp, 680 bar . . . . . . . . . . . . 152
13.2.4 cas 4 : 1000 tr/min, 5 mg/cp, 279 bar . . . . . . . . . . . . 155
13.2.5 cas 5 : 1000 tr/min, 20 mg/cp, 365 bar . . . . . . . . . . . 155
13.2.6 cas 6 : 1000 tr/min, 70 mg/cp, 930 bar . . . . . . . . . . . 155
13.2.7 cas 7 : 2000 tr/min, 5 mg/cp, 560 bar . . . . . . . . . . . . 158
13.2.8 cas 8 : 2000 tr/min, 20 mg/cp, 600 bar . . . . . . . . . . . 158
13.2.9 cas 9 : 2000 tr/min, 70 mg/cp, 1400 bar . . . . . . . . . . . 158
13.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

13.1 Introduction
Dans ce chapitre, nous mettons en oeuvre la première proposition d’amélioration pré-
sentée dans le chapitre 3 de la première partie. Il s’agit d’utiliser le modèle de connaissance
précédemment développé (au lieu du modèle identifié) pour réaliser la calibration des gains
du PID. L’algorithme de synthèse du contrôleur ainsi que la stratégie de contrôle sont in-
changés. Cette mise en oeuvre n’implique aucune modification de la stratégie actuelle.
Nous intervenons uniquement pendant l’étape de la détermination du modèle.
La figure 13.1 résume les deux principes de calibration des gains du PID : identification
du système puis synthèse du contrôleur (méthode actuelle) et modélisation théorique du
système puis synthèse du contrôleur (méthode proposée).
La synthèse des contrôleurs PID à partir du modèle théorique fournira, après essais,
une validation indirecte du modèle. A posteriori nous pourrons conclure aussi sur la

147
148 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

point de fonctionnement

SBP A
u y modèle caractéristiques
Système non système
linèaire

linéarisé point de
Identification
tangent fonctionnement

modèle linéaire modèle linéaire


identifié théorique

Synthèse Synthèse
PID PID

gains PID obtenus gains PID obtenus


par identification du système par modélisation du système

Fig. 13.1 – Calibration des gains par identification du système et par modélisation
13.2. Comparaisons et validations 149

validité du modèle à travers les essais en boucle fermée (par comparaison de la simulation
et des tests expérimentaux).
Un autre avantage de notre approche est que nous ne sommes pas pénalisés par l’en-
vironnement des essais réels. En effet, le système Common Rail est sujet à des bruits
cycliques dus à la rotation du moteur et à la répétition des mêmes événements d’un tour
moteur à l’autre. Ce bruit n’est donc pas blanc, (bien que considéré comme tel dans les
identifications linéaires [19]), mais défini par une fréquence bien précise. Suivant l’ampli-
tude de ce bruit, les modèles obtenus par identification présentent une résonance plus ou
moins élevée à la fréquence du bruit, ce qui n’est en réalité pas le cas.
Nous présentons les résultats du contrôle de la pression dans le mode monovariable,
i.e. l’HPV est fermée et seule l’IMV contrôle la pression. L’ensemble des essais que nous
présentons ont été réalisés sur un banc électrique sur lequel la pompe HP est entraînée
par un moteur électrique (l’injection n’a donc pas d’effet sur le régime moteur). Ce moyen
d’essai ne comporte que le système Common Rail (i.e. l’IMV, la pompe HP, le rail, les
injecteurs et l’HPV), ce qui permet en cas d’un mauvais contrôle de la pression rail d’avoir
un impact limité sur le système, contrairement à la réalisation d’essais sur véhicule.

13.2 Comparaisons et validations


Nous avons considéré neuf points de fonctionnement correspondant à trois vitesses
de rotation (750, 1000 et 2000 tr/min), trois débits injectés (5, 20 et 70 mg/cp) et neuf
pressions rail (fig. 13.2). Les valeurs des pressions rail sont données dans le tableau suivant
en fonction du débit et du régime moteur.

5 20 70
750 230 275 680
1000 279 365 930
2000 560 600 1400

Fig. 13.2 – Tableau des points de fonctionnement régime/charge

Pour chacun de ces points de fonctionnement, nous présentons le modèle identifié et le


modèle théorique. La synthèse des gains du contrôleur est effectuée pour les deux modèles.
Trois types de résultats sont donnés : les simulations en boucle fermée du modèle identifié
et du modèle théorique avec leur contrôleur respectif, et un essai en boucle fermée sur
banc d’essais avec les gains du contrôleur PID obtenus par le modèle théorique.

13.2.1 cas 1 : 750 tr/min, 5 mg/cp, 230 bar


La figure 13.3 montre le modèle linéaire au point de fonctionnement défini, issu du mo-
dèle théorique non-linéaire, et le modèle linéaire obtenu par identification. Nous constatons
une différence importante entre les deux modèles. Cet écart est dû au fait que le point
de fonctionnement du système positionne l’IMV très près de sa fermeture, et donc de
sa saturation. De ce fait, l’excitation par les SBPA lors de l’identification provoque un
150 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

Bode Diagram

50
Modèle
Identifié

0
Magnitude (dB)

−50

−100
180

90
Phase (deg)

−90

−180

−270 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)

Fig. 13.3 – cas 1 : modèle identifié et modèle théorique

comportement non-linéaire du système. Ceci est mis en évidence sur la figure 13.4, où le
comportement du système en boucle fermée, vis-à-vis d’un créneau de consigne de pres-
sion, diffère selon la variation de référence de la pression. L’identification de type linéaire
ne peut, face à ce problème, trouver le bon comportement du système autour de ce point
de fonctionnement. Une possibilité pour pallier ce problème est de réduire l’amplitude de
la SBPA pour ne pas mettre le système en saturation, mais le rapport signal sur bruit
devient alors trop faible ce qui nuit à la procédure d’identification. Le modèle théorique,
quant à lui, n’est pas perturbé par le problème de la saturation du système.
Comme nous le voyons sur la figure 13.5, la simulation du modèle théorique approche
assez bien le résultat de l’essai lors d’une montée de pression, hormis un dépassement non
reproduit. En revanche, pour une chute de pression, le système entre en saturation pour
les raisons précédentes, et le comportement du système devient non-linéaire. La chute de
la pression est donc due uniquement aux débits des injecteurs puisque l’IMV est fermée.
La simulation du modèle identifié ne correspond pas au résultat de l’essai, ni sur une
montée de pression, ni sur une chute de référence de pression. Nous pouvons donc en
déduire que le modèle identifié n’est pas représentatif du comportement du système. Le
modèle théorique apporte un meilleur résultat sur la calibration de ce point de fonction-
nement.
Afin de solliciter le système dans une plage de fonctionnement linéaire, nous diminuons
l’amplitude du créneaux de pression. Les résultats présentés à la figure 13.5 montrent que
la simulation avec le modèle théorique reproduit très bien le comportement du système,
ce qui n’est pas le cas du modèle identifié.
13.2. Comparaisons et validations 151

300
Demande
280 Essai
Pression [bar]
260 Simu modèle théorique
Simu modèle identifié
240

220

200

180

160
39 40 41 42 43 44 45 46
Temps [s]

1050
Courant [mA]

1000

950

900
39 40 41 42 43 44 45 46
Temps [s]

Fig. 13.4 – cas 1 : simulations et essai en boucle fermée

250
Demande
Essai
240 Simu modèle théorique
Pression [bar]

Simu modèle identifié

230

220

210
64 65 66 67 68 69 70
Temps [s]

980

970
Courant [mA]

960

950

940
64 65 66 67 68 69 70
Temps [s]

Fig. 13.5 – cas 1 : simulations et essais en boucle fermée, faible variation de la référence
152 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

13.2.2 cas 2 : 750 tr/min, 20 mg/cp, 275 bar

Bode Diagram

50
Modèle
Identifié

0
Magnitude (dB)

−50

−100
180

90

0
Phase (deg)

−90

−180

−270

−360
−3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)

Fig. 13.6 – cas 2 : modèle identifié et modèle théorique

Les modèles identifié et théorique sont cette fois-ci, beaucoup plus proches (fig. 13.6).
La comparaison avec le résultat de l’essai en boucle fermée (figure 13.8) est correct pour
une montée de pression, hormis le dépassement. Pour une chute de pression, le système
entre encore en saturation, mais la chute de pression est plus rapide que pour le point
de fonctionnement précédent. Ceci s’explique simplement par le fait que le débit des
injecteurs est plus grand. De la même manière que précédemment, nous présentons les
résultats pour des amplitudes de la consigne de pression plus faible (figure 13.8). Les
résultats de simulation reproduisent correctement le comportement du système dans les
deux cas.

13.2.3 cas 3 : 750 tr/min, 70 mg/cp, 680 bar


Les modèles identifié et théorique présentent un écart de gain en basses fréquences
(fig. 13.9). En revanche en hautes fréquences (i.e. > 1 rad/s), l’erreur entre les deux
modèles devient très faible. Les comparaisons en boucle fermée (fig. 13.10) montrent un
très bon résultat. Dans cet essai, le débit injecté est fort (70mg/cp), l’IMV est donc plus
ouverte et éloignée de la saturation. Le comportement de la pression rail est donc similaire
quelle que soit la variation de la référence de pression.
13.2. Comparaisons et validations 153

350 Demande
Essai
Pression [bar] Simu modèle théorique
300 Simu modèle identifié

250

200

48 49 50 51 52 53 54
Temps [s]

1050

1000
Courant [mA]

950

900

850
48 49 50 51 52 53 54
Temps [s]

Fig. 13.7 – cas 2 : simulations et essais en boucle fermée

300

290
Pression [bar]

280

270

260

38.5 39 39.5 40 40.5 41 41.5 42 42.5 43 43.5 44


Temps [s]

960

950
Courant [mA]

940

930

920

910
38.5 39 39.5 40 40.5 41 41.5 42 42.5 43 43.5 44
Temps [s]

Fig. 13.8 – cas 2 : simulations et essais en boucle fermée, faible variation de la référence
154 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

Bode Diagram

60
Théorique
Identifié
40

20
Magnitude (dB)

−20

−40

180

90

0
Phase (deg)

−90

−180

−270

−360
−3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)

Fig. 13.9 – cas 3 : modèle identifié et modèle théorique

750
Demande
Essai
Simu modèle théorique
Pression [bar]

700 Simu modèle identifié

650

600
53.5 54 54.5 55 55.5 56 56.5 57 57.5 58 58.5 59
Temps [s]

940
930
920
Courant [mA]

910
900
890
880
870
860
850
53.5 54 54.5 55 55.5 56 56.5 57 57.5 58 58.5 59
Temps [s]

Fig. 13.10 – cas 3 : simulations et essais en boucle fermée


13.2. Comparaisons et validations 155

13.2.4 cas 4 : 1000 tr/min, 5 mg/cp, 279 bar


Pour ce point de fonctionnement, l’IMV est proche de la saturation, mais moins que
pour le tout premier point de fonctionnement, car dans ce cas la pression est plus élevée
(les fuites des injecteurs et de la pompe sont donc plus élevées). Le modèle théorique
offre un meilleur modèle (fig. 13.11) du fait que l’IMV est faiblement ouverte, et donc une
meilleure calibration (fig. 13.12) pour ce point de fonctionnement.

Bode Diagram

50
Théorique
Identifié
Magnitude (dB)

−50
180

90
Phase (deg)

−90

−180

−270 −3 −2 −1 0 1
10 10 10 10 10
Frequency (Hz)

Fig. 13.11 – cas 4 : modèle identifié et modèle théorique

13.2.5 cas 5 : 1000 tr/min, 20 mg/cp, 365 bar


Le débit injecté et la pression rail sont plus élevés. L’IMV n’atteint plus la zone de
saturation où elle se ferme. Les modèles théorique et identifié sont donc très proches
(fig. 13.13) avec des comportements similaires en simulation (fig. 13.14). La calibration
obtenue avec le modèle théorique donne un bon résultat.

13.2.6 cas 6 : 1000 tr/min, 70 mg/cp, 930 bar


De la même manière que le cas 3, nous constatons une erreur importante (> 10 dB)
entre les deux modèles en basses fréquences puis une erreur faible en hautes fréquences
(fig. 13.15) Le comportement du système en boucle fermée donne un bon résultat par
rapport à la prédiction obtenue en simulation via le modèle théorique (fig. 13.16).
156 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

350
Demande
Essai
Simu modèle théorique
Pression [bar]

300 Simu modèle identifié

250

200
46 47 48 49 50 51 52 53 54
Temps [s]

1050

1000
Courant [mA]

950

900

850
46 47 48 49 50 51 52 53 54
Temps [s]

Fig. 13.12 – cas 4 : simulations et essais en boucle fermée

Bode Diagram

50
Théorique
Identifié

0
Magnitude (dB)

−50

−100
180

90

0
Phase (deg)

−90

−180

−270

−360

−450
−3 −2 −1 0 1
10 10 10 10 10
Frequency (Hz)

Fig. 13.13 – cas 5 : modèle identifié et modèle théorique


13.2. Comparaisons et validations 157

450
Demande
Essai
Pression [bar] Simu modèle théorique
400 Simu modèle identifié

350

300
36 36.5 37 37.5 38 38.5 39 39.5 40 40.5 41
Temps [s]

1050

1000
Courant [mA]

950

900

850
36 36.5 37 37.5 38 38.5 39 39.5 40 40.5 41
Temps [s]

Fig. 13.14 – cas 5 : simulations et essais en boucle fermée

Bode Diagram

50
Théorique
Identifié
Magnitude (dB)

−50
180

90

0
Phase (deg)

−90

−180

−270

−360

−450
−3 −2 −1 0 1
10 10 10 10 10
Frequency (Hz)

Fig. 13.15 – cas 6 : modèle identifié et modèle théorique


158 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

1000
Demande
Essai
Simu modèle théorique
Pression [bar]

950 Simu modèle identifié

900

850
58 58.5 59 59.5 60 60.5 61 61.5 62
Temps [s]

920

900
Courant [mA]

880

860

840

820
58 58.5 59 59.5 60 60.5 61 61.5 62
Temps [s]

Fig. 13.16 – cas 6 : simulations et essais en boucle fermée

13.2.7 cas 7 : 2000 tr/min, 5 mg/cp, 560 bar


Les modèles théorique et identifié ont le même comportement dynamique (c.f. courbe
de phase figure 13.17), avec uniquement un écart de gain de 3dB sur l’ensemble des
fréquences. Le comportement en boucle fermée du système est non-linéaire, avec un dé-
passement lorsque la consigne de pression augmente (fig. 13.18). Le résultat obtenu sur
le banc d’essai est satisfaisant car l’erreur de pression n’excède pas les 50 bar lors du
dépassement.

13.2.8 cas 8 : 2000 tr/min, 20 mg/cp, 600 bar


Comme pour le cas 7, les phases des deux modèles (identifié et théorique) sont simi-
laires (fig. 13.19 tracé inférieur), avec l’erreur du gain entre les deux modèles inférieure à 3
dB (fig. 13.19 tracé supérieur) sauf à très hautes fréquences (i.e. proche de Fe /2). Hormis
un dépassement qui reste toutefois inférieur à 50 bar, le comportement de la pression rail
sur le banc d’essai donne un résultat proche de la simulation des deux modèles.

13.2.9 cas 9 : 2000 tr/min, 70 mg/cp, 1400 bar


Ce point de fonctionnement présente encore la particularité que les deux modèles dif-
fèrent en basses fréquences pour ensuite correspondre parfaitement en hautes fréquences
(fig. 13.21). La simulation du modèle théorique en boucle fermée reproduit bien le com-
portement de la pression obtenue sur le banc d’essai, hormis un dépassement plus faible
(fig. 13.22).
13.2. Comparaisons et validations 159

Bode Diagram

50
Théorique
Magnitude (dB)
Identifié

−50
180

0
Phase (deg)

−180

−360

−540
−3 −2 −1 0 1
10 10 10 10 10
Frequency (Hz)

Fig. 13.17 – cas 7 : modèle identifié et modèle théorique, écart de 3dB

650
Demande
Essai
Simu modèle théorique
Pression [bar]

600 Simu modèle identifié

550

500
25.5 26 26.5 27 27.5 28
Temps [s]

1050

1000
Courant [mA]

950

900

850

800
25.5 26 26.5 27 27.5 28
Temps [s]

Fig. 13.18 – cas 7 : simulations et essais en boucle fermée


160 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

Bode Diagram

50
Théorique
Identifié
Magnitude (dB)

−50
180

90

0
Phase (deg)

−90

−180

−270

−360 −3 −2 −1 0 1
10 10 10 10 10
Frequency (Hz)

Fig. 13.19 – cas 8 : modèle identifié et modèle théorique, écart inférieur à 3dB

700
Demande
Essai
650 Simu modèle théorique
Pression [bar]

Simu modèle identifié

600

550

28.4 28.6 28.8 29 29.2 29.4 29.6 29.8 30 30.2 30.4


Temps [s]

1000

950
Courant [mA]

900

850

800
28.4 28.6 28.8 29 29.2 29.4 29.6 29.8 30 30.2 30.4
Temps [s]

Fig. 13.20 – cas 8 : simulations et essais en boucle fermée


13.2. Comparaisons et validations 161

Bode Diagram

50
Théorique
Magnitude (dB)
Identifié

−50
180

90

0
Phase (deg)

−90

−180

−270

−360 −3 −2 −1 0 1
10 10 10 10 10
Frequency (Hz)

Fig. 13.21 – cas 9 : modèle identifié et modèle théorique

1500
Demande
Essai
1450 Simu modèle théorique
Pression [bar]

Simu modèle identifié

1400

1350

1300
23.6 23.8 24 24.2 24.4 24.6 24.8 25 25.2 25.4 25.6
Temps [s]

900

850
Courant [mA]

800

750

700
23.6 23.8 24 24.2 24.4 24.6 24.8 25 25.2 25.4 25.6
Temps [s]

Fig. 13.22 – cas 9 : simulations et essais en boucle fermée


162 Chapitre 13. Calibration de la stratégie actuelle à partir du modèle théorique

13.3 Conclusion
Nous venons de présenter les résultats (simulations et test sur banc d’essais) du contrô-
leur de pression par l’IMV seule (HPV fermée) avec l’utilisation du modèle de connaissance
pour définir la calibration des gains du PID. Les essais ont été réalisés à différents points
de fonctionnement du moteur. Nous avons comparé le modèle théorique obtenu pour ces
différents points de fonctionnement avec le modèle identifié. En analysant à la fois les
comparaisons des modèles et les résultats sur banc d’essai, nous pouvons dire d’une ma-
nière générale que l’utilisation du modèle théorique permet de calibrer correctement les
gains du contrôleur. Cette approche permet, même pour les points de fonctionnement où
l’IMV est faiblement ouverte (i.e proche de la fermeture), d’obtenir un modèle plus précis
et donc une meilleure calibration.
14

Mise en oeuvre de la nouvelle stratégie


de commande

Sommaire
14.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
14.2 Intégration de la loi de commande monovariable . . . . . 164
14.2.1 Le contrôleur H∞ LFT . . . . . . . . . . . . . . . . . . . . 164
14.2.2 Intégration du contrôleur dans l’ECU . . . . . . . . . . . . 166
14.2.3 Quantification des signaux . . . . . . . . . . . . . . . . . . 166
14.3 Tests et validations sur véhicule . . . . . . . . . . . . . . . 167
14.3.1 Contrôle par l’IMV seule . . . . . . . . . . . . . . . . . . . 167
14.3.2 Contrôle par l’IMV et l’HPV . . . . . . . . . . . . . . . . . 176
14.3.3 Passage IMV seule vers IMV et HPV puis fermeture de l’HPV181
14.3.4 Passage du mode de fermeture de l’HPV vers l’IMV seule . 184

14.1 Introduction
Nous présentons dans ce chapitre les résultats du contrôle de la pression rail par
la nouvelle stratégie de commande : les structures de l’ensemble des contrôleurs ainsi
que la gestion de commutation d’un mode de contrôle à un autre ont entièrement été
redéveloppées. La totalité des essais présentés dans ce chapitre ont été réalisés sur véhicule
(Mercedes Classe E 220). Pour valider notre stratégie de commande sur l’ensemble des
cas de fonctionnement (i.e. selon l’état de l’HPV, fermée ou ouverte), nous avons réalisé
différents essais montrant les deux modes de contrôle de la pression :
– Contrôle monovariable par l’IMV (fig. 10.1) : seule l’IMV contrôle la pression (com-
mande H∞ LFT à période d’échantillonnage variable), tandis que l’HPV est main-
tenue fermée par une boucle de régulation sur son courant (commande H∞ LTI à
temps continu discrétisée en ligne dans l’ECU en fonction de la période d’échan-
tillonnage),
– Contrôle multivariable par l’IMV et l’HPV (fig. 10.4) : l’HPV contrôle la pression
rail (commande H∞ LTI à temps continu discrétisée en ligne dans l’ECU en fonction

163
164 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

de la période d’échantillonnage) tandis que l’IMV contrôle le débit de la pompe HP


en boucle ouverte.
D’autre essais ont été réalisés montrant des commutations de mode de contrôle : ouverture
et fermeture de l’HPV. Certains essais ont été testés par les deux stratégies afin de mettre
en avant les améliorations obtenues.
L’implantation de notre stratégie de commande a été faite directement dans l’ECU.
Nous avons donc pris en compte les contraintes d’intégration en virgule fixe 24 pour que
le résultat de chaque calcul soit correct, ainsi que la minimisation du temps de calcul des
lois de commande. L’implantation de la loi de commande H∞ LFT dans l’ECU (i.e. forme
du contrôleur et quantification des signaux) est présentée. Cette étape est primordial car
il en dépend la justesse du calcul de la commande, et donc du contrôle de la pression.
Les implantations des autres lois de commande, dont leur structure est plus simple que
celle du contrôleur LFT, suivent la même méthodologie et ne sont pas détaillées dans ce
mémoire.

14.2 Intégration de la loi de commande monovariable


14.2.1 Le contrôleur H∞ LFT
L’application de la commande de l’IMV pour le contrôle monovariable de la pression
imv
rail (fig. 10.1) est le résultat du calcul de la LFT inférieure entre le contrôleur Kprail et
les paramètres variants, c.f. figure 14.1.

Uimv y
K(z)
qθc wθc

Fig. 14.1 – LFT inférieure du contrôleur avec les paramètres variants

La commande Uimv est donc le résultat du calcul suivant :


c
Xk+1 = AXkc + Bk1 yk + Bkθ ωθc
Uimv = Ck1 Xkc + Dk11 yk + Dk1θ ωθc
qθc = Ckθ Xkc + Dkθ1 yk + Dkθθ ωθc
ωθc = ∆qθc
24
les nombres sont codés par une partie entière et une partie décimale dont leur taille est prédéfinie et
figée, ce qui détermine une plage de valeur et une précision
14.2. Intégration de la loi de commande monovariable 165

soit :
(I − Dkθθ ∆) qθc = Ckθ Xkc + Dkθ1 yk
qθc = (I − Dkθθ ∆)−1 Ckθ Xkc + (I − Dkθθ ∆)−1 Dkθ1 yk

ce qui nous donne pour le calcul de la LFT inférieure le résultat suivant :

c
Xk+1 = Ak Xkc + Bkθ ∆ (I − Dkθθ ∆)−1 Ckθ Xkc + Bkθ ∆ (I − Dkθθ ∆)−1 Dkθ1 yk + Bk1 yk
Uimv = Ck1 Xkc + Dk1θ ∆ (I − Dkθθ ∆)−1 Ckθ Xk + Dk1θ ∆ (I − Dkθθ ∆)−1 Dkθ1 yk + Dk11 yk

soit :
c
Xkc
    
Xk+1 A (∆) B (∆)
=
Uimv C (∆) D (∆) yk
où les matrices A (∆), B (∆), C (∆) et D (∆) sont calculées en ligne et dépendent des
paramètres du système : pression rail, régime moteur et température du carburant.

A (∆) = Ak + Bkθ ∆ (I − Dkθθ ∆)−1 Ckθ


B (∆) = Bk1 + Bkθ ∆ (I − Dkθθ ∆)−1 Dkθ1
C (∆) = Ck1 + Dk1θ ∆ (I − Dkθθ ∆)−1 Ckθ
D (∆) = Dk11 + Dk1θ ∆ (I − Dkθθ ∆)−1 Dkθ1

La figure 14.2 montre la représentation d’état du contrôleur à paramètres variables.

D (∆)

y Uimv
B (∆) z −1 C (∆)

A (∆)

Fig. 14.2 – Calcul de la loi de commande de l’IMV sous forme de représentation d’état

Les étapes à réaliser pour calculer la commande sont :


– 1 : calcul de (I − Dkθθ ∆)−1
– 2 : calcul des matrices C (∆) et D (∆)
– 3 : calcul de la commande Uimv = C (∆) Xkc + D (∆) yk
– 4 : calcul des matrices A (∆) et B (∆)
166 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

– 5 : calcul du vecteur d’état Xk+1


c
= A (∆) Xkc + B (∆) yk
Les étapes 1, 2 et 3 doivent être réalisées le plus rapidement possible pour permettre
d’appliquer la commande dès le début de la période d’échantillonnage. Les étapes 4 et 5
doivent être réalisées avant la prochaine période d’échantillonnage.

14.2.2 Intégration du contrôleur dans l’ECU


L’intégration dans le calculateur impose deux contraintes principales. La première est
le temps d’exécution des calculs à réaliser, en effet il faut que le calculateur soit capable
d’effectuer les opérations pour le contrôle de la pression mais aussi le reste des stratégies
(e.g. cruise control, injection, etc.). Cette partie est optimisée par rapport à la manière
dont les stratégies de contrôle sont mises en oeuvre. Ainsi, il sera moins coûteux de faire
une interpolation de gains plutôt que de calculer la LFT inférieure du contrôleur. La
seconde contrainte est la réalisations des calculs en virgule fixe.
Nous avons calculé le nombre d’opérations nécessaires pour réaliser les étapes 1 à
5 précédemment définis pour le calcul de la lois de commande de l’IMV sous forme de
représentation d’état. Nous dénombrons au total :
– 552 multiplications,
– 512 additions,
– le calcul de l’inverse d’une matrice (4 × 4).
Nous proposons une approche où le contrôleur est implanté en forme d’équation de
récurrence dont chaque coefficient est cartographié en fonction du point de fonctionne-
ment. Ces cartographies sont obtenues par le calcul du contrôleur Fl (K(σ), ∆) suivi d’une
réduction d’ordre. Nous avons retenu cette solution et le nombre d’opérations nécessaires
pour le calcul de la loi de commande de l’IMV est le suivant :
– 90 multiplications,
– 125 additions.
Cette solution réduit par 6 le nombre de multiplications et par 4 le nombre d’additions.
D’autre part, il n’est plus nécessaire de faire le calcul de l’inverse d’une matrice (4 × 4).

14.2.3 Quantification des signaux


L’ECU sur lequel nous travaillons effectue les calculs en virgule fixe. Pour que les
différentes opérations soient correctement réalisées, chaque signal doit être préalablement
quantifié. Pour cela, le signal doit être borné par une valeur minimale Vmin et maximale
Vmax . Si ce signal est le résultat d’un calcul, il faut alors prendre les valeurs extrêmes du
résultat qui sont calculées en fonction des valeurs minimales et maximales des signaux
d’entrée. Cette étape doit être réalisée de manière rigoureuse car le bon fonctionnement
de la stratégie de contrôle en dépend directement. Il suffit pour cela d’écrire un tableau
dans lequel tous les signaux d’une stratégie sont référencés, d’écrire les valeurs extrêmes
des signaux d’entrées, puis d’effectuer les calculs un à un, pour la stratégie considérée
jusqu’à arriver aux sorties. Voici à titre d’exemple la partie du tableau correspondant à
une multiplication entre deux nombres préalablement définis. Il suffit donc juste de trouver
les nombres de bits nécessaires pour la partie entière (N) et décimale (D), et choisir si le
14.3. Tests et validations sur véhicule 167

signal est signé de telle sorte qu’on ait sur une même ligne les relation suivantes :

Vmin > min
(14.1)
Vmax < max
avec Vmin et Vmax respectivement les valeurs minimale et maximale que peut prendre le
signal et min et max repectivement les valeurs minimale et maximale dûes à la quantifi-
cation du signal en virgule fixe qui dépendent du choix du nombre de bits pour la partie
entière et la partie décimale et si le nombre est signé ou non.

e1
s
e2

Fig. 14.3 – Quantification d’un nombre

désignation Vmin Vmax signé N D min max précision


e1 1 4 0 16 0 0 65535 1
e2 0,1 1,5 0 1 15 0 1,9999 3, 05 · 10−5
s 0,1 6 0 3 13 0 7,999 1, 22 · 10−4

14.3 Tests et validations sur véhicule


La validation de la nouvelle stratégie globale de commande développée a été effectuée
suivant trois types d’essais. Dans le premier, le contrôle de la pression rail est réalisé par
l’IMV seule. Les avantages de la structure du contrôleur sont mis en avant. Ensuite nous
présentons le contrôle de la pression rail effectué par l’HPV. Deux essais illustrent le résul-
tat selon le choix de la structure du contrôleur utilisée. Finalement le comportement de la
pression rail pendant les changements de mode de contrôle est présenté. Plusieurs essais
ont été faits sur véhicule pour décomposer l’ensemble des transitions de mode. L’étude de
chaque transition est comparée avec le résultat équivalent de la stratégie actuelle.

14.3.1 Contrôle par l’IMV seule


Essai 1 : profil en "montagnes russes"
L’IMV ne permet pas de décharger le rail. Pendant une décélération rapide, obtenue
par un brutal lever de pied, la demande d’injection peut être nulle pendant que la demande
de pression diminue. Dans ce cas, l’ouverture de l’HPV est requise pour créer un débit de
fuite, afin de suivre la référence de pression. Nous avons donc réalisé des essais sur véhicule
tels que la demande d’injection ne soit jamais nulle pour ne pas solliciter l’ouverture de
l’HPV.
Nous rappelons que la stratégie de contrôle en mode monovariable est constituée de
deux contrôleurs : le premier agit sur la pression et le second sur le courant de l’HPV.
168 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

650
Demande
600 Pression rail
550
Pression [bar]

500

450

400

350

300
25 30 35 40 45 50 55
Temps [s]

50
Erreur de pression [bar]

20

−20

−50
25 30 35 40 45 50 55
Temps [s]

Fig. 14.4 – Essai 1 - Nouvelle stratégie de commande : contrôle de la pression rail par
l’IMV seule - suivi et erreur de consigne de pression
14.3. Tests et validations sur véhicule 169

Nous avons effectué des séries d’accélérations et de décélérations sur le régime moteur
pour réaliser l’essai (fig. 14.5). Les références de pression rail et de courant HPV sont des
rampes, positives et négatives. Les résultats de cet essai sont présentés sur les figures 14.4
et 14.7. Les performances du contrôle de la pression sont présentées à la figure 14.4 (tracé
inférieur). Nous avons tracé les seuils de tolérance de l’erreur de pression (en transitoire :
±50 bar, en statique : ±5 bar en-dessous de 500 bar puis 5% de la demande de pression au-
delà). L’erreur de traînage durant les transitoires arrive à atteindre le seuil de tolérance
de l’erreur statique. Cette performance est obtenue grâce à la structure du contrôleur.
Celui-ci est constitué d’un double intégrateur qui permet d’avoir une erreur de traînage
nulle. Les variations négatives à la fois du débit injecté et de la demande de pression ne
créent pas d’erreur importante. L’action du contrôleur en boucle ouverte sur la demande
d’injection permet d’anticiper la commande de l’IMV. Néanmoins l’erreur de pression
atteint à deux instants la limite du seuil de tolérance de l’erreur. Ceci n’est pas dû au
débit d’injection mais à des variations plus brutales de la demande de pression.
Régime moteur [tr/min]

2500

2000

1500

25 30 35 40 45 50 55
Temps [s]

14

12
Fuelling [mg/coup]

10

2
25 30 35 40 45 50 55
Temps [s]

Fig. 14.5 – Essai 1 - Nouvelle stratégie de commande : contrôle de la pression rail par
l’IMV seule - variation du régime moteur et de la demande d’injection

La commande de l’IMV (fig. 14.6) est volontairement bruitée. Ceci permet d’éviter le
phénomène de stick-slip 25 et de réduire les problèmes d’hystérésis mécanique. L’actionneur
25
qui signifie coller-glisser
170 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

est sollicité en permanence ce qui l’empêche de s’immobiliser. La réaction de l’IMV vis-


à-vis de la commande est alors meilleure.

5.9

5.8
Commande IMV [V]

5.7

5.6

5.5

5.4

5.3

5.2
25 30 35 40 45 50 55
Temps [s]

Fig. 14.6 – Essai 1 - Nouvelle stratégie de commande : contrôle de la pression rail par
l’IMV seule - commande de l’IMV

L’analyse des variations du débit d’injection (fig. 14.5) et de la commande de l’IMV


(fig. 14.6) montre l’action du contrôleur en boucle ouverte sur la commande de l’action-
neur. En effet, alors que l’erreur de pression est encore faible, la commande de l’IMV
réagit pour anticiper la variation du débit injecté.
Le courant traversant l’actionneur de décharge doit évoluer en fonction de la pression
rail pour le maintenir fermé et minimiser la consommation d’énergie du système. Si la
pression est faible alors le courant est faible et vice versa. La demande de courant de
l’HPV est donc fonction de la pression rail. La figure 14.7 montre le résultat du contrôle
du courant. Malgré un fort bruit sur la lecture du courant de l’HPV, le contrôleur arrive
à suivre la référence et assure que l’actionneur reste bien fermé.

Essai 2 - profil en accélération, comparaison entre les deux stratégies


L’essai effectué est une accélération moteur. Pendant cette accélération la demande de
pression augmente. Nous analysons l’erreur de traînage obtenue.
La figure 14.8 présente le résultat de la stratégie actuelle. L’erreur de pression est en-
dessous du seuil de tolérance avant le début de l’augmentation de la demande de pression.
14.3. Tests et validations sur véhicule 171

1000
Demande
Courant HPV
950

900

850

800
Courant [A]

750

700

650

600

550

500
25 30 35 40 45 50 55
Temps [s]

Fig. 14.7 – Essai 1 - Nouvelle stratégie de commande : contrôle de la pression rail par
l’IMV seule - suivi de la consigne du courant de l’HPV
172 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

L’erreur de pression sort du seuil de tolérance vers 8.4 s (au-delà de +50 bar d’erreur)
lorsque la demande de pression augmente. L’erreur diminue rapidement puis ressort du
seuil de tolérance (en-dessous de −50 bar d’erreur) lorsque la variation de la demande de
pression diminue. La figure 14.9 montre la commande de l’IMV calculée par le contrôleur

1200
Demande
Pression rail
1000
Pression [bar]

800

600

400
6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11
Temps [s]

150
Erreur de pression [bar]

100
50
0
−50
−100
−150
6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11
Temps [s]

Fig. 14.8 – Essai 2 - stratégie actuelle : contrôle de la pression par l’IMV seule - suivi et
erreur de consigne

actuel. Celle-ci est relativement douce et peu bruitée. La structure du contrôleur, i.e. un
PID, ne permet pas d’avoir une erreur de traînage nulle.
La figure 14.10 présente le résultat de la stratégie proposée. De la même manière que
pour l’essai précédent, l’erreur de pression est en-dessous du seuil de tolérance avant le
début de l’accélération. L’erreur de traînage, lorsque la demande de pression augmente, est
très faible et arrive presque à satisfaire les tolérances d’erreur statique alors que le système
est en régime transitoire. Lorsque la variation de la demande de pression s’annule, l’erreur
dépasse légèrement le seuil de tolérance (≈ −60 bar). Cette erreur est ensuite rapidement
réduite. La figure 14.11 montre la commande de l’IMV pour cet essai. Cette commande
est plus bruitée que celle de la stratégie actuelle (fig. 14.9). La structure du contrôleur,
plus complexe que celle d’un PID, permet d’avoir un double intégrateur pour tendre vers
une erreur de traînage nulle.
14.3. Tests et validations sur véhicule 173

1100

1050

1000
Courant IMV [mA]

950

900

850

800
6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11
Temps [s]

Fig. 14.9 – Essai 2 - stratégie actuelle : contrôle de la pression par l’IMV seule - commande
de l’IMV
174 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

1000
Demande
900 Pression rail
Pression [bar]

800
700

600
500
400

300
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Temps [s]

60
Erreur de pression [bar]

40

20

−20

−40

−60
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Temps [s]

Fig. 14.10 – Essai 2 - nouvelle stratégie de commande : contrôle de la pression par l’IMV
seule - suivi et erreur de consigne
14.3. Tests et validations sur véhicule 175

5.4

5.2

5
Commande IMV [V]

4.8

4.6

4.4

1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6


Temps [s]

Fig. 14.11 – Essai 2 - nouvelle stratégie de commande : contrôle de la pression par l’IMV
seule - commande de l’IMV
176 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

14.3.2 Contrôle par l’IMV et l’HPV


En mode multivariable, les deux actionneurs sont utilisés pour contrôler la pression
hpv
(fig. 10.4). L’HPV régule la pression : la synthèse du contrôleur Kprail s’est faite en temps
continu et le contrôleur est discrétisé en ligne dans l’ECU. L’IMV contrôle, en boucle
ouverte, la demande de débit de l’HPV. Les esssais qui suivent ont été réalisés avec une
demande de débit HPV élevée pour ne pas travailler à des points de fonctionnement où
le système serait sous capacitaire conduisant à la fermeture de l’HPV. La commande de
l’IMV ne varie pas. Nous proposons deux solutions pour le contrôleur qui sont toutes les
deux des commandes H∞ LTI à temps continu discrétisées en ligne dans l’ECU en fonction
de la période d’échantillonnage. La première a un seul intégrateur dans la fonction de
transfert du contrôleur, la seconde a un double intégrateur pour chercher à obtenir une
erreur de traînage nulle.

Essai 3 - contrôleur avec un seul intégrateur


La figure 14.12 présente le résultat de l’essai du contrôle de la pression par l’HPV. De
fortes erreurs de traînage sont présentes. Celles-ci sortent des tolérances fixées. Néanmoins,
cette solution présente l’avantage de ne pas créer de dépassement. Nous pourrions pour
diminuer l’erreur de traînage et tenter de passer sous le seuil de tolérance, augmenter le
temps de réponse du système en boucle fermée. Mais nous aurions toujours la présence
d’une erreur de traînage non nulle. La figure 14.13 montre l’évolution du régime moteur
et de la demande d’injection. Les fortes baisses de demande d’injection (p.e. vers 47.2 s)
ne créent pas de dépassement sur la pression. En effet, le contrôleur de pression par l’HPV
réussit à rejeter la perturbation de débit due à la demande d’injection et à suivre en même
temps la demande de pression.

Essai 4 - contrôleur avec un double intégrateur


La figure 14.14 montre le résultat de l’essai du contrôle de la pression. L’erreur de
traînage est à présent en-dessous du seuil de l’erreur maximale admise mais en contrepar-
tie, nous notons la présence de dépassements. Ces derniers créent une erreur de pression
au-delà de 50 bar. Cette solution permet de réduire drastiquement la valeur de l’erreur
de traînage, nous n’atteignons plus les 200 bar d’erreur. D’autre part, les dépassements
engendrés sont inférieurs à la valeur des erreurs de traînage de la première solution.
La figure 14.15 montre l’évolution du régime moteur et de la demande d’injection.
14.3. Tests et validations sur véhicule 177

1500
Pression [bar]

1000

500

30 32 34 36 38 40 42 44 46 48 50
Temps [s]

200
Erreur de pression [bar]

100

−100

−200

30 32 34 36 38 40 42 44 46 48 50
Temps [s]

Fig. 14.12 – Essai 3 - nouvelle stratégie de commande : contrôle en mode multivariable -


suivi et erreur de consigne (1 seul intégrateur)
178 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

4000
Régime moteur [tr/min]

3500

3000

2500

2000

1500

1000

30 32 34 36 38 40 42 44 46 48 50
Temps [s]

80
Fuelling [mg/cp]

60

40

20

0
30 32 34 36 38 40 42 44 46 48 50
Temps [s]

Fig. 14.13 – Essai 3 - nouvelle stratégie de commande : contrôle en mode multivariable -


variation du régime moteur et de la demande d’injection (1 seul intégrateur)
14.3. Tests et validations sur véhicule 179

1400

1200
Pression [bar]

1000

800

600

400

200
8 10 12 14 16 18 20
Temps [s]

200
Erreur de pression [bar]

100

−100

−200
8 10 12 14 16 18 20
Temps [s]

Fig. 14.14 – Essai 4 - nouvelle stratégie de commande : contrôle en mode multivariable -


suivi et erreur de consigne (2 intégrateurs)
180 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

3000
Régime moteur [tr/min]

2500

2000

1500

1000

8 10 12 14 16 18 20
Temps [s]

50

40
Fuelling [mg/cp]

30

20

10

0
8 10 12 14 16 18 20
Temps [s]

Fig. 14.15 – Essai 4 - nouvelle stratégie de commande : contrôle en mode multivariable -


variation du régime moteur et de la demande d’injection (2 intégrateurs)
14.3. Tests et validations sur véhicule 181

14.3.3 Passage IMV seule vers IMV et HPV puis fermeture de


l’HPV
Nous comparons dans cette partie la stratégie développée avec celle actuellement uti-
lisée, pour le cas d’une accélération du moteur suivie d’une décélération (cas typique de
conduite urbaine).
La figure 14.16 montre le contrôle de la pression effectué par la stratégie actuelle.
L’essai commence lorsque le moteur est au ralenti et que la pression est contrôlée par
l’IMV seule (l’HPV est fermée), il s’agit de la phase 1. Lors de l’accélération, la demande
de pression augmente (sous forme d’une rampe) et une erreur se crée, dont la valeur
excède la tolérance du cahier des charges. Cette erreur est ensuite réduite et l’erreur de
trainage devient nulle. Lors de la décélération (le régime moteur est à 3330 tr/min et la

1200
Demande
1000 Pression rail
1 2 3 2 3
Pression [bar]

800

600

400

200
4 4.5 5 5.5 6
Temps [s]

200
Erreur de pression [bar]

100

−100

−200
4 4.5 5 5.5 6
Temps [s]

Fig. 14.16 – Essai 5 - stratégie actuelle : changement de mode de contrôle - suivi et erreur
de consigne de pression rail

demande d’injection devient nulle), la demande de pression chute tandis que la pression
rail continue à augmenter. Un fort dépassement se crée car la variation de débit dans
le rail est soudainement positive. L’HPV s’ouvre alors pour permettre de décharger le
rail, il s’agit de la phase 2. L’ouverture de l’HPV permet de rejoindre la demande de
pression. Lorsque les conditions sont atteintes, la demande de fermeture de l’actionneur
de décharge est activée, il s’agit de la phase 3. À cet instant l’IMV se met à contrôler
la pression tandis qu’une rampe de courant est appliquée sur l’actionneur de décharge
182 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

pour permettre sa fermeture. Nous constatons que le contrôleur de pression a du mal à


rejoindre correctement la consigne, car l’IMV doit à la fois rejeter la variation rapide de
débit de l’HPV (due à sa fermeture) et assurer la régulation. À la fin de cette phase, l’IMV
et l’HPV sont tous les deux fermées, seules les faibles fuites statiques des injecteurs sont
présentes ce qui explique la forme plate de la pression rail observée à partir de l’instant
5.6 s. L’HPV s’ouvre à nouveau pour permettre de décharger le rail afin de rejoindre la
demande.
À présent, nous présentons le résultat de notre stratégie de commande pour le même
scénario, c’est-à-dire une accélération du moteur suivi d’une décélération. Néanmoins, au
début de l’accélération le contrôleur de pression est en mode de fermeture de l’HPV, il
s’agit de la phase 1. A l’instant 99 s l’état fermé de l’HPV est détecté alors que la demande
de pression commence à augmenter, à cause de l’accélération du moteur. Le contrôle de la
pression passe en mode de contrôle par l’IMV seule tandis que l’HPV est maintenue fermée.
Une erreur de pression est notée pendant cette transition mais elle reste à l’intérieur
des tolérances du cahier des charges. La structure du contrôleur, à savoir un double

1000
3 Demande
Pression rail
800
Pression [bar]

1 2
600

400
4 1

200
98.8 99 99.2 99.4 99.6 99.8 100 100.2 100.4
Temps [s]

100

50
Erreur pression [bar]

−50

−100

−150

−200
98.8 99 99.2 99.4 99.6 99.8 100 100.2 100.4
Temps [s]

Fig. 14.17 – Essai 5 - nouvelle stratégie de commande : changement de mode de contrôle


- suivi et erreur de consigne de pression rail

intégrateur dans la fonction de sensibilité e/r, permet d’avoir rapidement une erreur de
trainage quasi-nulle. Pendant la phase de décélération, la variation brutale de demande
d’injection est prise en compte par le contrôleur en boucle ouverte. Nous constatons
14.3. Tests et validations sur véhicule 183

40
Demande d’injection

30

20

10

0
98.8 99 99.2 99.4 99.6 99.8 100 100.2 100.4
Temps [s]

6.5
3
6
Commande IMV [V]

1 2 4 1
5.5

4.5

3.5
98.8 99 99.2 99.4 99.6 99.8 100 100.2 100.4
Temps [s]

Fig. 14.18 – Essai 5- contrôle de la pression par la nouvelle stratégie : demande d’injection
et commande IMV
184 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

effectivement à la figure 14.18 que la commande de l’IMV augmente brutalement pour


réduire le débit de la pompe afin de compenser la forte diminution du débit injecté, alors
qu’à cet instant l’erreur de pression est encore faible (inférieure à 30 bar). Cette action
permet de minimiser l’élévation de la pression dans le rail. L’HPV est ensuite rapidement
ouverte pour permettre de faire chuter la pression, il s’agit de la phase 3. La phase 4 débute
immédiatement après et consiste à contrôler en boucle fermée la pression par l’HPV et à
contrôler en boucle ouverte le débit de l’IMV. La pression rail rejoint la demande avec une
erreur de trainage mais sans dépassement. A cet instant, les conditions pour la fermeture
de l’HPV sont valides, la stratégie passe alors en mode de fermeture de l’HPV, il s’agit à
nouveau de la phase 1.

Conclusion
La stratégie de contrôle proposée est meilleure pour le suivi de la rampe de demande
de pression, même lorsqu’elle commute de mode au début de l’accélération. Deux raisons
permettent d’expliquer ceci, tout d’abord la technique utilisée pour fermer l’HPV permet
de prépositionner correctement l’IMV par rapport à la consommation du système, ce qui
signifie qu’au moment du changement de mode le contrôleur s’initialisera en fonction des
besoins du système. D’autre part la structure du contrôleur de l’IMV, avec le double
intégrateur, permet de suivre la consigne en forme de rampe.
En ce qui concerne le suivi de trajectoire lors de la décélération, la stratégie actuelle
présente une forte élévation de la pression alors que la demande chute. Bien que la demande
d’injection soit nulle lors de la décélération, il est préférable d’avoir le meilleur suivi de
consigne afin de permettre lors d’une nouvelle accélération ou lors de l’accostage du ralenti,
et donc d’une reprise d’injection, d’avoir une erreur de pression très faible afin d’obtenir de
bonnes performances. La stratégie proposée a une erreur plus faible lors de la décélération,
qui pourrait être encore améliorée en modifiant la structure du contrôleur de pression par
l’HPV. La prise en compte de la demande d’injection dans le contrôleur de pression permet
d’éviter une forte erreur de pression au début de la décélération.

14.3.4 Passage du mode de fermeture de l’HPV vers l’IMV seule


Essai 6 - fermeture pendant une demande d’injection nulle
Nous présentons aux figures 14.19 et 14.20 le résultat de la stratégie actuelle de fer-
meture de l’actionneur de décharge. Lorsque la demande d’injection est nulle, la pression
rail réalise une forme d’escalier pour essayer de suivre la chute de la demande de pression.
Ceci s’explique assez facilement : le débit d’injecté étant nul, quand l’HPV se ferme, les
fuites statiques des injecteurs constituent le seul moyen pour faire chuter la pression rail,
l’IMV est dans ce cas fermée. Or les fuites sont insuffisantes pour permettre de suivre la
référence de pression. L’HPV est donc obligée de s’ouvrir à chaque fois que l’erreur de
pression devient trop grande. Dès que les injections reprennent, l’IMV s’ouvre à nouveau,
ce qui permet de contrôler la pression. Néanmoins durant cette phase, i.e. au-delà de 4
s, la fermeture de l’HPV provoque un fort dépassement de pression (environ 80 bar d’er-
reur). La figure 14.21 montre l’évolution de la demande d’injection et du régime moteur
14.3. Tests et validations sur véhicule 185

800 Demande
Pression rail
700 3 2 3 2 3
Pression [bar]

600
1
500

400
1 2 3 2
300

200
2.5 3 3.5 4 4.5 5 5.5
Temps [s]

1400 IMV
HPV
1200
Commande [mA]

1000

800

600

400

200
2.5 3 3.5 4 4.5 5 5.5
Temps [s]

Fig. 14.19 – Essai 6 - stratégie actuelle : fermeture de l’HPV - suivi de consigne de pression
rail et commandes des actionneurs (1 : IMV seule, 2 : ouverture HPV, 3 : fermeture HPV)
186 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

pendant cet essai. Il s’agit d’un retour sur ralenti où nous pouvons constater que lors
de la décélération du moteur la demande d’injection est nulle, jusqu’à ce que l’injection
reprenne pour maintenir le régime de ralenti.

60

40
Erreur de pression [bar]

20

−20

−40

−60

2.5 3 3.5 4 4.5 5 5.5


Temps [s]

Fig. 14.20 – Essai 6 - stratégie actuelle : fermeture de l’HPV - erreur de pression rail

Nous présentons à présent le résultat de notre stratégie de fermeture de l’actionneur


de décharge pour le même type d’essai (fig. 14.22, 14.23 et 14.24).
Pendant la chute de pression, l’IMV se ferme pour réduire le débit de l’HPV pendant
que ce dernier contrôle la pression. Contrairement aux résultats obtenus avec la stratégie
actuelle, nous n’avons pas de forme d’escalier mais le suivi de consigne attendu. Au mo-
ment du changement de mode de contrôle, nous constatons que la commande de l’IMV
ne subit pas de variation brutale et que celle-ci reste pratiquement à la même valeur que
la dernière commande avant le changement de mode. L’utilisation du régulateur de débit
du système comme stratégie de fermeture de l’HPV montre bien que lorsque l’HPV se
ferme, l’IMV est correctement positionnée par rapport à la consommation du système.
Au moment du changement de mode, la commande de l’HPV augmente brutalement.
Ceci est simplement dû à la mise en marche de la régulation de courant de l’HPV afin de
la maintenir fermée. La figure 14.24 montre l’évolution de la demande d’injection et du
régime moteur.
14.3. Tests et validations sur véhicule 187

40
Demande d’injection [mg/cp]

30

20

10

0
2.5 3 3.5 4 4.5 5 5.5
Temps [s]

3000
Régime moteur [tr/min]

2500

2000

1500

1000

500
2.5 3 3.5 4 4.5 5 5.5
Temps [s]

Fig. 14.21 – Essai 6 - stratégie actuelle : fermeture de l’HPV - évolution de la demande


d’injection et du régime moteur
188 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

700

600
Pression [bar]

Fermeture HPV IMV seul


500

400

300 Demande
Pression rail
200
0.5 1 1.5 2 2.5 3 3.5 4
Temps [s]

6
IMV
5 HPV
Commande [V]

0
0.5 1 1.5 2 2.5 3 3.5 4
Temps [s]

Fig. 14.22 – Essai 6 - nouvelle stratégie de commande : fermeture de l’HPV - suivi de


consigne de pression rail et commandes des actionneurs
14.3. Tests et validations sur véhicule 189

60

40
Erreur de pression [bar]

20

−20

−40

−60

0.5 1 1.5 2 2.5 3 3.5 4


Temps [s]

Fig. 14.23 – Essai 6 - nouvelle stratégie de commande : fermeture de l’HPV - erreur de


pression rail
190 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

12
Demande d’injection [mg/cp]

10

0
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps [s]

3000
Régime moteur [tr/min]

2500

2000

1500

1000

500
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps [s]

Fig. 14.24 – Essai 6 - nouvelle stratégie de commande : fermeture de l’HPV - variation


de la demande d’injection et du régime moteur
14.3. Tests et validations sur véhicule 191

Essai 7 - fermeture pendant une demande d’injection non nulle


Nous présentons à présent les essais véhicules d’une fermeture de l’actionneur de dé-
charge lorsque le débit injecté est non nul. Les figures 14.25 et 14.26 montrent le résultat
obtenu avec la stratégie actuelle. Nous constatons une erreur de pression de 50 bar lorsque
l’HPV se ferme. La perturbation créée par l’augmentation de la commande de l’HPV est
très mal rejetée par l’IMV.

300
Demande
280 Pression rail
Pression [bar]

260

240

220 1 2 3

200
0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4
Temps [s]

1000
Commande [mA]

800

600

400
IMV
HPV
200
0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4
Temps [s]

Fig. 14.25 – Essai 7 - stratégie actuelle : fermeture de l’HPV - suivi de consigne de pression
rail et commandes des actionneurs (1 :ouverture HPV, 2 :fermeture HPV, 3 :IMV seule)

Les figures 14.27 et 14.28 montrent le résultat avec la nouvelle stratégie de commande.
L’augmentation de la commande de l’IMV, faisant réduire le débit de l’HPV grâce à la
boucle naturelle de régulation de débit, crée une baisse de la pression rail compensée
par l’augmentation de la commande de l’HPV. Ceci explique pourquoi la pression rail
a tendance à être en-dessous de la consigne de pression. Lorsque l’HPV est détectée
fermée, nous commutons de mode : l’HPV passe en boucle de régulation de courant et
l’IMV contrôle la pression rail. Lors de cette commutation l’erreur de pression est faible
(< 20 bar) ce qui ne crée pas de variation forte de la commande de l’IMV, et l’IMV
est correctement positionnée puisque sa commande maintient le même niveau de tension
qu’au moment de la commutation de mode.
192 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

60

40

20
Erreur de pression [bar]

−20

−40

−60

−80
0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4
Temps [s]

Fig. 14.26 – Essai 7 - stratégie actuelle : fermeture de l’HPV - erreur du suivi de consigne
de pression rail
14.3. Tests et validations sur véhicule 193

300
Demande
280 Pression rail
Pression [bar]

Fermeture HPV IMV seul


260

240

220

200
1 2 3 4 5 6 7 8 9
Temps [s]

5
Comande [V]

4
IMV
3
HPV
2

0
1 2 3 4 5 6 7 8 9
Temps [s]

Fig. 14.27 – Essai 7 - nouvelle stratégie de commande : fermeture de l’HPV - suivi de


consigne de pression rail et commandes des actionneurs
194 Chapitre 14. Mise en oeuvre de la nouvelle stratégie de commande

60

40

20
Erreur de pression [bar]

−20

−40

−60

−80
1 2 3 4 5 6 7 8 9
Temps [s]

Fig. 14.28 – Essai 7 - nouvelle stratégie de commande : fermeture de l’HPV - erreur du


suivi de consigne de pression rail
Cinquième partie

Conclusion Générale

195
15

Bilan des résultats obtenus

Ces travaux de thèse ont démarré avec l’étude de la problématique du contrôle de la


pression rail pour arriver à l’intégration effective dans l’ECU d’une solution permettant
de tester sur véhicule les performances obtenues par la stratégie développée.
La première partie présente le moteur Diesel et le système d’injection direct Com-
mon Rail. Une présentation technique des différents éléments qui composent le système
Common Rail est donnée.
Dans la deuxième partie du mémoire, nous avons développé un modèle de connaissance
du système d’injection Common Rail. Nous avons étudié différents domaines, principa-
lement l’électromagnétique, l’hydraulique et la mécanique. Un modèle non linéaire a été
développé sous MatLab/SimuLink. Celui-ci a été testé et validé en plusieurs étapes à par-
tir de comparaisons de résultats soit avec des simulations issues du logiciel AmeSim, soit
avec des essais réels. Un modèle linéaire à paramètres variants à partir du modèle non
linéaire a été défini en vue d’une commande LPV.
Dans la troisième partie, nous avons présenté l’ensemble des commandes. Tout d’abord
nous faisons une présentation de la stratégie globale qui permet de comprendre les dif-
férents états de contrôle du système (i.e. HPV fermée ou ouverte). Ensuite nous avons
présenté les lois de commandes utilisées pour réaliser l’ensemble du contrôle de la pression
rail : la commande H∞ dans le cas des modèles LTI à temps continu et discret ainsi que
pour les modèles LFT à temps discret. Finalement, nous avons présenté l’application de
la synthèse H∞ LFT à temps discret pour le contrôle de la pression rail par l’IMV (i.e.
l’HPV fermée). La synthèse du contrôleur ainsi que l’analyse du système en boucle fermée
ont été présentées. Des simulations, utilisant des références des signaux issues d’essais
réels présentés dans la quatrième partie, ont mis en avant les performances théoriques
obtenues.
Dans la quatrième partie nous avons présenté la mise en oeuvre des différentes études
réalisées. Tout d’abord, nous avons utilisé le modèle linéarisé tangent issu du modèle non
linéaire pour permettre de synthétiser les gains des contrôleurs de la stratégie actuelle
(PID). Après une comparaison entre les modèles théoriques et identifiés, nous avons pré-
senté les résultats de contrôle de la pression rail en boucle fermée, obtenus à partir du mo-
dèle théorique. Ces essais ont montré un très bon niveau de confiance vis-à-vis du modèle
théorique. Ils ont donc permis de valider de manière indirecte le modèle de connaissance.
D’autre part, nous avons présenté les résultats de la nouvelle stratégie de commande.

197
198 Chapitre 15. Bilan des résultats obtenus

Nous avons réalisé des essais pour lesquels le système se trouve dans différentes configu-
rations afin de valider tous les modes de contrôle. Les phases de contrôle les plus délicates
(i.e. contrôle par l’IMV seule et fermeture de l’HPV) ont été comparées avec les résultats
de la stratégie actuelle. Chaque comparaison a montré que la solution proposée améliore
sensiblement les performances de contrôle.
16

Perspectives

Le modèle LFT du système Common Rail permet de définir le comportement de ce


dernier en fonction des paramètres (supposés mesurables) qui modifient la dynamique
du système. Dans le cas où l’un des paramètres n’est pas mesurable, nous ne pouvons
pas établir précisément le comportement du système. Il faut donc choisir une valeur de
ce paramètre pour définir un modèle nominal utilisé pour la synthèse et s’assurer que le
contrôleur sera robuste. Nous avons fait ainsi pour la position de l’IMV x0imv . Nous avons
choisi comme position nominale la valeur médiane entre la valeur minimale et maximale.
Il serait intéressant d’étudier, selon des critères de robustesse et de performance, la valeur
nominale optimale de la position de l’IMV x0imv à choisir pour définir le modèle.
Dans la partie mise en oeuvre, nous avons présenté le résultat des essais de la nou-
velle stratégie de contrôle proposée. Nous avons remarqué que pour obtenir des erreurs
de traînage nulles, la stratégie dévelopée induit en contre partie des dépassements. Les
schémas de synthèse utilisés sont simples et prennent en compte uniquement l’erreur de
pression26 . Nous pourrions donc étudier d’autre schémas de synthèse, p.e. en prenant en
compte l’erreur de pression rail ainsi que la pression rail lue, pour chercher à minimiser
les dépassements lors des transitoires. Le choix devra se faire ensuite entre la complexité
supplémentaire du contrôleur et l’apport en terme de performance de contrôle.
Pour le contrôle LPV de la pression rail par l’IMV seule, nous avons défini des pon-
dérations fréquentielles invariantes. Ainsi quel que soit le point de fonctionnement du
système, nous demandons les mêmes performances. Or nous savons que lorsque la de-
mande d’injection est faible, l’IMV est faiblement ouverte et vice versa. Néanmoins la
demande d’injection n’est pas un paramètre qui agit directement sur le comportement
dynamique du système, mais un paramètre qui amène le système à un point de fonc-
tionnement donné et donc à un certain comportement. La demande d’injection permet
donc de définir de manière indirecte la position globale vers laquelle l’IMV va tendre. Il
faut noter que cette relation est indirecte dans le sens où le changement de la position
de l’IMV n’est pas immédiat en fonction de la demande d’injection. L’idée serait alors
d’étudier la définition de pondérations fréquentielles LPV prenant en compte la demande
d’injection dans l’objectif de modifier les performances du contrôleur en fonction du point
de fonctionnement du moteur, et plus précisément en fonction de la position de l’IMV. La
26
le contrôleur de pression par l’IMV seule prend en compte également la demande d’injection mais
cela n’intervient pas dans le problème présent

199
200 Chapitre 16. Perspectives

valeur du paramètre variant pris en compte dans la pondération devra être la demande
d’injection filtrée pour permettre au système d’atteindre le point de fonctionnement et
ainsi appliquer la bonne commande au bon moment.
Pour éviter les problèmes de collage de l’IMV nous avons proposé une commande
bruitée. Les essais réalisés sur véhicule n’ont pas mis en évidence de problème lié à un
éventuel collage de l’IMV. Le résultat de cette solution est donc satisfaisant en terme de
contrôle. Néanmoins en terme de produit, une excitation permanente de la commande
peut réduire prématurément la durée vie de l’actionneur. Une étude doit donc être faite
sur deux points : tout d’abord quelle est l’excitation minimale nécessaire pour empêcher
que l’IMV se colle en fonctionnement, et d’autre part quelle est l’excitation maximale que
peut tolérer l’IMV sans nuire à sa durabilité.
L’intégration du contrôleur dans l’ECU entraîne des arrondis sur ses coefficients et donc
des erreurs de calcul de la commande dues aux opérations réalisées en virgule fixe. Dans
nos travaux, nous nous sommes uniquement assurés d’une part que chaque coefficient
soit bien intégré aux erreurs d’arrondis près, et d’autre part que le résultat de chaque
opération ne crée pas de dépassement lié au codage27 du nombre (p.e. l’opération 5 × 10
crée un dépassement si le codage du résultat est prévu pour un nombre allant de 0 à 32
et le nombre obtenu est alors inexploitable). Il est donc nécessaire de faire une analyse a
posteriori de l’erreur engendrée par la mise en oeuvre en virgule fixe du contrôleur dans
l’ECU pour garantir la stabilité et la robustesse en performances du système.
La modélisation physique du système a été faite au début des travaux à partir d’essais
sur des bancs électriques et de mesures des caractéristiques des composants (p.e. poids des
pièces, raideur des ressorts, etc.). L’application de la commande à partir de cette modéli-
sation est effectuée à la fin des travaux et sur un véhicule sur lequel nous n’avions pas fait
d’essais auparavant. La commande développée présente donc une certaine robustesse pré-
senté dans le chapitre de la commande de l’IMV. Néanmoins le système présente un faible
vieillissement, seulement plusieurs mois. Il faudrait donc faire une étude de l’évolution des
caractéristiques de chaque élément du système sur une longue durée de fonctionnement
pour définir la variation que peut subir le système en termes de comportement afin d’être
toujours en mesure de garantir la robustesse et les performances du système.
Le modèle théorique développé dans ces travaux a été utilisé uniquement pour l’éla-
boration de lois de commande. Au vue des résultats liés à la modélisation, nous pouvons
envisager d’utiliser le modèle du système pour effectuer du diagnostic, i.e. détection et
localisation d’un défaut (p.e. blocage d’un actionneur, dérive du capteur de pression, etc)
et prendre des décisions sur le contrôle du système vis-à-vis d’une éventuelle panne.

27
i.e. le nombre de bits pour la partie entière et la partie décimale
Bibliographie

[1] Kristina Ahlin. Modelling of pressure waves in the Common Rail Diesel Injection
System. PhD thesis, Linköpings Universitet, SE-581 83 Linköping, 2000.
[2] ANFR. L’injection diesel haute pression à rampe commune. Dossier technique
A.N.F.A., Edition 2001, 2001.
[3] A. Balluchi, A. Bicchi, E. Mazzi, A. L. Sangiovanni Vincentelli, and G. Serra. Hy-
brid modelling and control of the common rail injection system. Hybrid Systems :
Computation and Control, pages 79–92, 2006.
[4] J.M. Biannic. Commande robuste des systèmes à paramètres variables. PhD thesis,
SUPAERO, 1996.
[5] S. Boyd, L. El Ghaoui, E. Feron, and V. Balakrishnan. Linear Matirx Inequalities in
Systems and Control Theory. PA, SIAM, Philadelphia, 1994.
[6] Jonathan Chauvin. Estimation et contrôle d’un moteur HCCI. Estimation des sys-
tèmes périodiques. PhD thesis, Ecole des Mines de Paris, ENSMP, 2006.
[7] Mac Cloy D. and Martin H.R. Control of Fluid Power : Analysis and Design. 2d
Edition, John Wiley and Sons, 1980.
[8] Dominique de Savigny. Electroaimants de commande. Technique de l’Ingénieur,
D835_3_1983, 1983.
[9] Logiciel de simulation AMESim. IMAGINE, www.amesim.com.
[10] Marco Dettori. LMI techniques for control, with application to a Compact Disc player
mechanism. PhD thesis, TUDelft, 2001.
[11] Leith D.J. and Leithead W.E. Appropriate realisation of mimo gain-scheduled
controllers. International Journal of Control, Colume 70, Number 1, pp. 13-50, 1998.
[12] J.C. Doyle, K Glover, Khargonekar P.P., and B.A. Francis. State space solutions to
standard and control problems. IEEE Transaction On Automatic Control, 34, 1989.
[13] Pierre Dupraz. Modélisation et commande avancées d’un moteur diesel à injection
directe. PhD thesis, Laboratoire d’Automatique de Grenoble - Lucas Varity, 1998.
[14] S. Font. Méthodologie pour prendre en compte la robustesse des systèmes asservis :
optimisation H∞ et approche symbolique de la forme standard. PhD thesis, Université
Parix XI Orsay, France, 1995.
[15] Duc G. Commande H∞ et µ-analyse : des outils pour la robustesse. Hermès, 1999.
[16] M. Gafvert. Comparison of two Friction Models. PhD thesis, Lund University of
Technology, 1996.

201
202 Bibliographie

[17] Pascal Gahinet and Apkarian Pierre. A convex characterization of gain-scheduled


H∞ controllers. IEEE Transaction On Automatic Control, 40, 1995.
[18] B. Armonstrong Hélouvry. Control of Machines with Friction. Kluwer Academic,
1991.
[19] L Lennart. System Identifcation : Theory for the user. Prentice Hall, 1999.
[20] Jung M. Mean-Value Modelling and Robust Control of the Airpath of a Turbocharged
Diesel Engine. PhD thesis, University of Cambridge, 2003.
[21] Andy Packard. Gain scheduling via linear fractional transformations. Systems &
Control Letters, 1994.
[22] Gahinet Pascal and Apkarian Pierre. A linear matrix inequality approach to H∞
control. Int. J. Robust and Nonlinear Contr., 4, 1994.
[23] Skogestad S. and Postlethwaite I. Multivariable Feedback Control. John Wiley and
Sons Chischester, 1996.
[24] J-H. Kim S-W. Lee. Robust adaptative stick-slip friction compensation. IEEE Tran-
sactions on industrial electronics, vol. 42 no. 5, 1995.
[25] C.R. MacCluer S.C. Southward, C.J. Radcliffe. Robust nonlinear stick-slip friction
compensation. Journal of Dynamic Systems, Measurment and Control, 1991.
[26] C. Scherer and S. Weiland. Linear matrix inequalities in control. Technical report,
Delft Center for Systems and Control (Delft University of Technology) and Depart-
ment of Electrical Engineering (Eindhoven University of Technology), 2004.
[27] Carsten Scherer. The riccati inequality and state-space H∞ -optimal control. PhD
thesis, University Wurzburg, Germany, 1990.
[28] G. Scorletti and V. Fromion. Introduction à la commande multivariable des systèmes :
méthodes de synthèse fréquentielle H∞ . Polycopié Université ENSI/Caen disponible
sur http// :www.greyc.ismra.fr/LAP/Gerard_S/ENSI_comrob.html, 2001.
[29] Rugh W.J. and Shamma J.S. A survey of research on gain scheduling. Automatica,
36 (10), pp. 665-671, 2000.
[30] G. Zames. Feedback and optimal sensitivity : Model reference transformation, mul-
tiplicative seminorms, and approximate inverses. IEEE Transaction On Automatic
Control, 1981.
[31] Kemin Zhou and Doyle John C. Essential of robust control. Prentice Hall, 1997.
[32] Alessandro Zin. Sur la commande robsute de suspensions automobiles en vue du
contrôle global de chassis. PhD thesis, Laboratoire d’Automatique de Grenoble, 2006.
A

Système LFT (P, K) en boucle fermée

La sortie y du système P s’écrit comme suit :

y = C2 xk + D2θ ωθ + D21 ω (A.1)

Le calcul de la commande u du contrôleur donne donc :

u = Ck1xck + D11 y + Dk1θ ωθc (A.2)


u = Ck1xck + Dk11 C2 xk + Dk11 D2θ ωθ + Dk11 D21 ω + Dk1θ ωθc

Il suffit à présent d’utiliser la valeur de la commande dans les différents états et sorties
du système pour obtenir le système en boucle fermée.

    
xk+1 A + B2 Dk11 C2 B2 Ck1 B2 Dk1θ Bθ + B2 Dk11 D2θ B1 + B2 Dk11 D21 xk

 xck+1  
  Bk1 C2 Ak Bkθ Bk1 D2θ Bk1 D21 
 xck 


 qθc =
  Dkθ1C2 Ckθ Dkθθ Dkθ1 D2θ Dkθ1 D21 
 ωθc 

 qθ   Cθ + Dθ2 Dk11 C2 Dθ2 Ck1 Dθ2 Dk1θ Dθθ + Dθ2 Dk11 D2θ Dθ1 + Dθ2 Dk11 D21  ωθ 
q C1 + D12 Dk11 C2 D12 Ck1 D12 Dk1θ D1θ + D12 Dk11 D2θ D11 + D12 Dk11 D21 ω
(A.3)
Ce qui peut donc s’écrire comme suit :

    
x̃k+1 Acl Bcl x̃k
= (A.4)
q̃ Ccl Dcl w̃

En utilisant la structure du contrôleur (eq. 11.19), les matrices Acl , Bcl , Ccl et Dcl peuvent
s’écrire de la manière suivante :

203
204 Annexe A. Système LFT (P, K) en boucle fermée

 
A + B2 Dk11 C2 B2 Ck1
Acl = (A.5)
Bk1 C2 Ak
   
A 0 B2 Dk11 C2 B2 Ck1
= +
0 0 Bk1 C2 Ak
 
    0 I
A 0 0 B2 0
= + + Ω  C2 0 
0 0 I 0 0
0 0
= Ã + B̃2 ΩC̃2 (A.6)

 
B2 Dk1θ Bθ + B2 Dk11 D2θ B1 + B2 Dk11 D21
Bcl = (A.7)
Bkθ Bk1 D2θ Bk1 D21
   
0 Bθ B1 B2 Dk1θ B2 Dk11 D2θ B2 Dk11 D21
= +
0 0 0 Bkθ Bk1 D2θ Bk1 D21
 
    0 0 0
0 Bθ B1 0 B2 0
= + + Ω  0 D2θ D21 
0 0 0 I 0 0
I 0 0
= B̃1 + B̃2 ΩD̃21 (A.8)

 
Dkθ1 C2 Ckθ
Ccl =  Cθ + Dθ2 Dk11 C2 Dθ2 Ck1  (A.9)
C1 + Dθ2 Dk11 C2 D12 Ck1
   
0 0 Dkθ1C2 Ckθ
=  Cθ 0  +  Dθ2 Dk11 C2 Dθ2 Ck1 
C1 0 Dθ2 Dk11 C2 D12 Ck1
     
0 0 0 0 I 0 I
=  Cθ 0  +  0 Dθ2 0  + Ω  C2 0 
C1 0 0 D12 0 0 0
= C̃1 + D̃12 ΩC̃2 (A.10)
205

 
Dkθθ Dkθ1 D2θ Dkθ1 D21
Dcl =  Dθ2 Dk1θ Dθθ + Dθ2 Dk11 D2θ Dθ1 + Dθ2 Dk11 D21  (A.11)
D12 Dk1θ D1θ + D12 Dk11 D2θ D11 + D12 Dk11 D21
   
0 0 0 Dkθθ Dkθ1 D2θ Dkθ1 D21
=  0 Dθθ Dθ1  +  Dθ2 Dk1θ Dθ2 Dk11 D2θ Dθ2 Dk11 D21 
0 D1θ D11 D12 Dk1θ D12 Dk11 D2θ D12 Dk11 D21
     
0 0 0 0 0 I 0 0 0
=  0 Dθθ Dθ1  +  0 Dθ2 0  + Ω  0 D2θ D21 
0 D1θ D11 0 D12 0 I 0 0
= D̃11 + D̃12 ΩD̃21 (A.12)

Ainsi, le système bouclé s’écrit sous la forme suivante :


    
x̃k+1 Ã + B̃2 ΩC̃2 B̃ + B̃2 ΩD̃21 x̃k
= (A.13)
q̃ C̃ + D̃12 ΩC̃2 D̃ + D̃12 ΩD̃21 w̃
206 Annexe A. Système LFT (P, K) en boucle fermée
I N S T I T U T N A T I O N A L P O L Y T E C H N I Q U E D E G R E N O B L E
ECOLE NATIONALE SUPERIEURE D'INGENIEURS ELECTRICIENS DE GRENOBLE

Laboratoire d'Automatique
de Grenoble
Unité Mixte de Recherche CNRS 5528
associée à l'université Joseph Fourier

Résumé : Les normes sur les émissions de polluants des automobiles sont de plus en plus sévères. Les
moteurs à injection directe à rampe commune permettent d'atteindre ces exigences notamment grâce à
l'injection du carburant à très haute pression. Cette pression varie de 200 à 1600 bar selon le point de
fonctionnement du véhicule. L'objectif des travaux de thèse est de réaliser le contrôle de la pression du
carburant avec deux contraintes principales : proposer une méthodologie de calibration du contrôleur à partir
des caractéristiques techniques du système d'injection et améliorer à la fois la performance et la robustesse
du contrôle. Les travaux réalisés se décomposent comme suit : étude du système d'injection et
développement d'un modèle de connaissance ; développement des stratégies et des lois de commande ;
mise en application sur véhicule. Les essais réalisés sur véhicule ont montré une amélioration des
performances et de la robustesse du contrôle de la pression du carburant obtenue par la proposition d'une
nouvelle méthodologie de calibration. Celle-ci est basée par l'obtention du contrôleur à partir des
caractéristiques techniques du système d'injection et par l'utilisation de lois de commande avancées
(commande H∞ pour les systèmes Linéaires à Paramètres Variants (LPV)). En particulier l’approche basée
sur l’utilisation des Transformations Linéaires Fractionnelles (LFT) a été considérée.

Mots-Clefs: Contrôle moteur, modélisation système d'injection, contrôle multivariable, synthèse H∞ LFT.

Abstract: Vehicle exhaust emissions are today more and more restrictive. Common Rail engines allow to
reach these requirements thanks to the high pressure injection. This pressure can vary from 200 up to 1600
bar according to the engine torque and speed. The goal of this work is to define the rail pressure controller
based on the Common Rail features and to improve performance and robustness. Works have been done as
follows: study of the Common Rail system and development of the physical model ; development of
strategies and command laws ; real tests on vehicle. Vehicle tests showed a high improvement on
performance and robustness thanks to the new methodology based on the Common Rail features and the
advanced command laws (H∞ control for Linear Parameter Varying systems). In particular the Linear
Fractional Transformation (LFT) approach has been considered.

Keywords: Engine control, injection system modeling, multivariable control, LFT H∞ synthesis.

Laboratoire d'Automatique de Grenoble - ENSIEG , Rue de la Houille Blanche, BP46, 38 402 SAINT MARTIN D'HERES CEDEX, FRANCE
Tél 33 (0)4 76 82 62 44, Télécopie 33 (0)4 76 82 63 88, E.Mail lag@lag.ensieg.fr